Seaborn Distplot 与 y 轴上的密度答案

【问题标题】：Seaborn Distplot with Density on y-axisSeaborn Distplot 与 y 轴上的密度
【发布时间】：2019-05-14 13:25:14
【问题描述】：

我已经在寻找解决方案，但找不到适合我的问题的解决方案。我正在尝试使用密度函数绘制直方图，显示 y 轴上的密度。 meanopa 是标准普尔 500 指数的平均对数回报。我不明白的是以下内容。

norm_hist : bool，可选如果为 True，则直方图高度显示密度而不是计数。如果绘制了 KDE 或拟合密度，则暗示这一点。

由于在我的情况下 kde=True，我想知道为什么 y 轴上有观察次数。

sns.distplot(meanopa, hist=True, kde=True, bins=20, color = 'darkblue',
             hist_kws={'edgecolor':'black'}, kde_kws={'linewidth': 4})

在此先感谢，再次感谢任何形式的支持。

干杯！

【问题讨论】：

虽然我无法访问您的数据，但对于类似的数据框，您的代码对我来说效果很好。您能发布您使用的是哪个seaborn 版本吗？干杯。
@lrnzcig 我使用的是 0.9.0 版。并感谢您编辑帖子！现在看起来好多了！
同样使用 0.9.0 版本，很奇怪……一定是与您的数据相关的东西，无论如何，如果没有可重现的问题，很难帮助您。你能分享至少部分数据吗？干杯。
@lrnzcig 上面的数据够吗？干杯！
嘿....好吧，至少了解一下你有什么样的数字...当我白天有时间时，我会尝试重现。但是，对于以后的帖子，请考虑（1）最好不要使用照片（2）最后目标是构建a reproducible example。这样更容易帮助你（因此你更有可能得到一个好的答案）。祝你有美好的一天！

标签： python statistics seaborn

【解决方案1】：

你的结果没问题。 y 轴不显示直方图的值，而是显示概率密度（实际上是核密度估计）。由于您的数字非常小，因此 x 轴的间隔也很窄......实际上，如果您构建一个 0.002 x 500 的平方来近似曲线下的总面积，则完全概率密度的结果是正如预期的那样，大约为 1。

请注意，这是您问题的可重现版本，如果您想查看概率密度的形状如何变化，可以使用重新缩放（min_rescale 和 max_rescale 值）。

random.seed(2)
min_rescale = -0.001
max_rescale = 0.001
close2 = [min_rescale + random.random() * (max_rescale - min_rescale) for x in range(100)] 
sns.distplot(close2, hist=True, kde=True, bins=5, color = 'darkblue',
             hist_kws={'edgecolor':'black'}, kde_kws={'linewidth': 4})

【讨论】：

【解决方案2】：

如果您对概率密度函数不感兴趣，但对每个 bin 的 概率/频率（由 bin 中的样本数除以样本总数得出）感兴趣，您可以使用hist_kws参数的'weights'属性。将此应用于lrnzcig的示例代码，

random.seed(2)
min_rescale = -0.001
max_rescale = 0.001
close2 = [min_rescale + random.random() * (max_rescale - min_rescale) for x in range(100)] 
sns.distplot(close2, hist=True, kde=False, bins=5, color = 'darkblue',
         hist_kws={'edgecolor':'black', 'weights': np.ones(len(close2))/len(close2)})

结果如下图： probabilities of Histogram bins using seaborn's distplot

请注意，结果是没有概率密度函数，而是 bin 的权重总和为 1，与 bin 的参数值无关。但是，当您执行 kde 时，这没有任何意义。

【讨论】：