如何在seaborn中绘制离散变量的分布图答案

【问题标题】：How to draw distribution plot for discrete variables in seaborn如何在seaborn中绘制离散变量的分布图
【发布时间】：2018-08-06 00:47:17
【问题描述】：

当我为离散变量绘制displot 时，分布可能不像我想的那样。例如。

我们可以发现barplot中存在裂缝，因此kdeplot中的曲线在y轴上“较低”。

在我的工作中，情况更糟：

我认为这可能是因为每个条的“宽度”或“重量”不是 1。但是我没有找到任何可以证明它的参数。

我想画这样的曲线（应该更平滑）

【问题讨论】：

我会说这两个情节看起来都很合理。你到底想改变什么？
@ImportanceOfBeingErnest 谢谢。我已经更新了问题，你可以看到我想要的。
我明白了。因此， distplot 产生的内核密度估计可能不是您所追求的。也许宁愿手动合并数据并绘制绿线是您想要的。然后，您还可以使用高斯滤波器左右平滑线条。
@ImportanceOfBeingErnest 是的。以前我使用类似 sigmoid 的曲线手动拟合它们（这比 seaborn 中内置的正态分布要好）。但是，这不是我的帖子的意图。

标签： python matplotlib seaborn probability-distribution

【解决方案1】：

如果问题是直方图中有一些空的 bin，那么指定 bin 以匹配数据可能是有意义的。在这种情况下，请使用bins=np.arange(0,16) 获取数据中所有整数的 bin。

import numpy as np; np.random.seed(1)
import matplotlib.pyplot as plt
import seaborn as sns

n = np.random.randint(0,15,10000)
sns.distplot(n, bins=np.arange(0,16), hist_kws=dict(ec="k"))

plt.show()

【讨论】：

【解决方案2】：

解决此问题的一种方法可能是调整 KDE 的“带宽” (see the documentation for seaborn.kdeplot())

n = np.round(np.random.normal(5,2,size=(10000,)))
sns.distplot(n, kde_kws={'bw':1})

编辑这是条形图和 KDE 的不同比例的替代方法

n = np.round(np.random.normal(5,2,size=(10000,)))
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()

sns.distplot(n, kde=False, ax=ax1)
sns.distplot(n, hist=False, ax=ax2, kde_kws={'bw':1})

【讨论】：

图片没那么“漂亮”。我想知道我是否可以让离散变量的密度为 1，这样它们的面积会更大，“kde 曲线”会和条形一样高。
这取决于您要达到的目标。如果它只是为了显示目的，那么你可以做任何你想要的缩放。我编辑了我的答案以提出一个将 KDE 缩放到条形高度的解决方案
@Zealseeker 也许您想指定bins 等于您正在绘制的变量的唯一值数（最后是离散的）。这样我得到了更宽更好的直方图条。