模拟已弃用的 seaborn 分布图

Question

Seaborn distplot 现已弃用，将在未来版本中删除。建议使用histplot（或displot作为图形级图）作为替代方案。但是distplot 和histplot 之间的预设不同：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
sns.histplot(data=df, x="X", ax=ax_hist)
ax_hist.set_title("new histplot")

plt.show()

那么，我们如何配置histplot 以复制已弃用的distplot 的输出？

Answer 1

由于我花了一些时间在这方面，我想我分享一下，以便其他人可以轻松地适应这种方法：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
_, FD_bins = np.histogram(x_list, bins="fd")
bin_nr = min(len(FD_bins)-1, 50)
sns.histplot(data=df, x="X", ax=ax_hist, bins=bin_nr, stat="density", alpha=0.4, kde=True, kde_kws={"cut": 3})
ax_hist.set_title("new histplot")

plt.show()

样本输出：

主要变化是

• bins=bin_nr - 使用Freedman Diaconis Estimator 确定直方图箱并将上限限制为 50
• stat="density" - 在直方图中显示密度而不是计数
• alpha=0.4 - 相同的透明度
• kde=True - 添加核密度图
• kde_kws={"cut": 3} - 将核密度图扩展到直方图限制之外

关于bins="fd" 的bin 估计，我不确定这是否确实是distplot 使用的方法。非常欢迎评论和更正。

我删除了**{"linewidth": 0}，因为正如@mwaskom 在评论中指出的那样，distplot 在直方图条周围有一条edgecolor 线，可以由matplotlib 设置为默认的facecolor。因此，您必须根据自己的风格偏好对其进行分类。