Seabornライブラリは、Pythonでカーネル密度推定プロット（joinplot）を表示するためにどのように使用されましたか？

Seabornは、データの視覚化に役立つライブラリです。カスタマイズされたテーマと高レベルのインターフェースが付属しています。

KDEとも呼ばれるカーネル密度推定は、連続確率変数の確率密度関数を推定できる方法です。この方法は、ノンパラメトリック値の分析に使用されます。 「jointplot」を使用しているときに、引数「kind」が「kde」に設定されている場合、カーネル密度推定プロットがプロットされます。

「jointplot」関数がPythonでカーネル密度推定をプロットするためにどのように機能するかを理解しましょう。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length',y = 'petal_width',data = my_df,kind = 'kde')
plt.show()

出力

説明

• 必要なパッケージがインポートされます。

• 入力データは、scikitlearnライブラリから読み込まれる「iris_data」です。

• このデータはデータフレームに保存されます。

• 「load_dataset」関数は、虹彩データをロードするために使用されます。

• このデータは、「jointplot」機能を使用して視覚化されます。

• ここでは、「x」軸と「y」軸の値がパラメータとして提供されています。

• ここで、「kind」パラメータは「kde」として指定されているため、プロットはカーネル密度推定を出力することを理解します。

• このカーネル密度推定データはコンソールに表示されます。