R语言的核密度渲染弄完了，今天来看看Python的核密度。本来没准备些Python，但是今天在玩seaborn包的时候，发现了强大的kdeplot这样一样工具，让虾神我惊为天人，不写感觉都对不起这个方法。六种核密度方法和多种带宽模式，如下：
gau (Gaussian)
cos(Cosine)
biw(Quartic(biweight))
epa(Epanechnikov)
tri （Tricube)
triw (Triweight)
细微，垂直看下去，几乎可以忽略不计），但是如果平铺开来，比如我就用纬度进行密度分析，就可以看出不同来了，如下:
ArcGIS里面，使用的是eqa(Epanechnikov：抛物面核或者叫做二次核函数)。当然，如果不是做专业、深入的分析和理论研究，仅用核密度做定性分析的话，任何一种核函数，在使用意义上都是一样的。
scott (斯考特带宽法）
silverman （西尔弗曼带宽法）
scalar （标量带宽法）
pair of scalars （标量对带宽法）
seaborn.kdeplot(data, data2=None, shade=False, vertical=False,
kernel='gau', bw='scott', gridsize=100, cut=3, clip=None, legend=True, cumulative=False, shade_lowest=True, ax=None, **kwargs)shade: 是否进行填充，如果为False，那么就表示进行核密度线表示，如下：
vertical：表示以X轴进行绘制还是以Y轴进行绘制，如下：
gridsize：这里这个参数与ArcGIS里面的cellsize以及R语言里面的gridsize都不一样，这个参数指的是每个格网里面，应该包含多少个点，越大，表示格网里面的点越多，越小表示格网里面的点越少（看作cellsize的反义词就好了，也就是越大越平滑）如下:
cumulative :是否绘制累积分布，如下：
shade_lowest ： 是否有最低值渲染，这个参数只有在二维密度图上才有效，结果如下：
clip：表示查看部分结果，如下：图1只查看-100至-100区间内的数据：
cut参数表示，绘制的时候，切除带宽往数轴极限数值的多少，这个参数可以配合bw参数使用，如下：
matplotlib的参数，不在赘述。