锐客网

  1. 首页 > 睿知 > it技术 > >

python画分布函数图 python 分布( 三 )

IT技术变量


在统计学中，研究数据的分布情况 ， 也是一个重要的工作，比如某些数据是否为正态分布——某些机器学习模型很在意数据的分布情况 。
在 Matplotlib 中，可以通过绘制直方图将数据的分布情况可视化 。在 Seaborn 中 ， 也提供了绘制直方图的函数 。
输出结果：
sns.distplot 函数即实现了直方图，还顺带把曲线画出来了——曲线其实代表了 KDE 。
除了 sns.distplot 之外，在 Seaborn 中还有另外一个常用的绘制数据分布的函数 sns.kdeplot，它们的使用方法类似 。
首先看这样一个示例 。
输出结果：
① 的作用是设置所得图示的背景颜色，这样做的目的是让下面的 ② 绘制的图像显示更清晰，如果不设置 ①，在显示的图示中看到的就是白底图像，有的部分看不出来 。
② 最终得到的是坐标网格，而且在图中分为三部分，如下图所示 。
相对于以往的坐标网格，多出了 B 和 C 两个部分 。也就是说，不仅可以在 A 部分绘制某种统计图，在 B 和 C 部分也可以绘制 。
继续操作：
输出结果：
语句 ③ 实现了在坐标网格中绘制统计图的效果，jp.plot 方法以两个绘图函数为参数 ， 分别在 A 部分绘制了回归统计图，在 B 和 C 部分绘制了直方图，而且直方图分别表示了对应坐标轴数据的分布，即：
我们把有语句 ② 和 ③ 共同实现的统计图，称为联合统计图 。除了用 ② ③ 两句可以绘制这种图之外，还有一个函数也能够“两步并作一步”，具体如下：
输出结果：
python函数图的绘制pre
importnumpy as np
import matplotlib.pyplot as plt
frommatplotlib.patches import Polygon
def func(x):
return-(x-2)*(x-8)+40
x=np.linspace(0,10)
y=func(x)
fig,ax = plt.subplots()
plt.plot(x,y,'r',linewidth=2)
plt.ylim(ymin=20)
a=2
b=9
ax.set_xticks([a,b])
ax.set_xticklabels(['$a$','$b$'])
ax.set_yticks([])
plt.figtext(0.9,0.05,'$x$')
plt.figtext(0.1,0.9,'$y$')
ix=np.linspace(a,b)
iy=func(ix)
ixy=zip(ix,iy)
verts=[(a,0)]+list(ixy)+[(b,0)]
poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')
ax.add_patch(poly)
x_math=(a+b)*0.5
y_math=35
plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)
plt.show()
/pre
【python画分布函数图 python 分布】python画分布函数图的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python 分布、python画分布函数图的信息别忘了在本站进行查找喔 。

推荐阅读


上一篇：thinkphpsoap验证，thinkphp6验证

下一篇：服务器怎么淘，如何用服务器赚钱方法