Seaborn 数据可视化对密度的误解？答案

【问题标题】：Seaborn data visualization misunderstanding of densities?Seaborn 数据可视化对密度的误解？
【发布时间】：2021-07-05 09:12:28
【问题描述】：

我正在使用 seaborn 库进行数据可视化，并尝试显示标准正态分布。这种情况下的基本情况如下所示：

import numpy as np
import seaborn as sns

n=1000
N= np.random.randn(n)
fig=sns.displot(N,kind="kde")

其行为符合预期。当我尝试同时绘制多个分布时，我的问题就开始了。我尝试了蛮力的N2= np.random.randn(n//2) 和fig=sns.displot((N,N2),kind="kde")，它返回两个分布（如所希望的那样），但是样本量较小的那个有显着不同（并且更平坦）。无论样本大小如何，适当的密度图（或直方图）都应该使图下方的面积等于 1，但显然不是这样。

知道 seaborn 可以与 pandas Dataframes 一起使用，我尝试使用下面更复杂（通常是糟糕且效率低下，但我希望清楚）的代码再次尝试在同一个图表上进行多个分布：

import numpy as np
import seaborn as sns
import pandas as pd
n=10000

N_1= np.reshape(np.random.randn(n),(n,1))
N_2= np.reshape(np.random.randn(int(n/2)),(int(n/2),1))
N_3= np.reshape(np.random.randn(int(n/4)),(int(n/4),1))

A_1 = np.reshape(np.array(['n1' for _ in range(n)]),(n,1))
A_2 = np.reshape(np.array(['n2' for _ in range(int(n/2))]),(int(n/2),1))
A_3 = np.reshape(np.array(['n3' for _ in range(int(n/4))]),(int(n/4),1))

F_1=np.concatenate((N_1,A_1),1)
F_2=np.concatenate((N_2,A_2),1)
F_3=np.concatenate((N_3,A_3),1)

F= pd.DataFrame(data=np.concatenate((F_1,F_2,F_3),0),columns=["datar","cat"])
F["datar"]=F.datar.astype('float')
fig=sns.displot(F,x="datar",hue="cat",kind="kde")

这再次显示了非常不同（几乎按比例缩放）的分布，证实了这种情况下的结果与我的预期不一致（即大致重叠的分布）。我不明白这个图表是如何工作的吗？有一种完全不同的方法可以在我缺少的同一张图上绘制多个分布？

【问题讨论】：

@JohanC 是的，我完全忽略了 kdeplot 的文档。我对默认选项可能不太直观这一事实感到困惑，但我想这是一个选择......谢谢，如果您将此作为答案报告，我会接受它作为正确的选项。跨度>

标签： python numpy random seaborn normal-distribution

【解决方案1】：

无论有无数据框，Seaborn 都能愉快地工作。数据帧的列被转换为 numpy 数组以绘制图表。

sns.displot(..., kind="kde") 指的是sns.kdeplot()，它的参数common_norm 默认为True。将其设置为False 会独立绘制曲线。

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

n = 10000

N_1 = np.random.randn(n)
N_2 = np.random.randn(n // 2) + 2
N_3 = np.random.randn(n // 4) + 4

sns.displot((N_1, N_2, N_3), kind="kde", common_norm=False)
plt.show()

请注意，对于kdeplot，默认为True 的选项common_norm 是有意义的，与kdeplot 一样，您还可以创建具有三个独立调用的绘图，这些调用将自动独立。还有一个有用的选项multiple（默认为'layer'），可以设置为'stack'或'fill'。

【讨论】：