python 画密度图

Python 是一种高级的、跨平台的，支持多种编程范式的解释型语言。它是目前广泛使用的数据科学领域的编程语言之一。在数据可视化方面，Python 配有众多强大、灵活的绘图库，可以满足区别数据可视化需求。本文将介绍怎样使用 Python 中 matplotlib 库绘制密度图。

密度图又称为核密度图，是展现连续性数据散布情况的一种有效方式。通过统计数据点的散布情况，密度图可以展现出数据的频率散布情况与几率密度散布情况。在 Python 中，可使用 scipy.stats.gaussian_kde 函数计算数据散布的几率密度函数，然后使用 matplotlib 库进行绘制。

import matplotlib.pyplot as plt
import scipy.stats as stats
import numpy as np
# 生成数据
data = np.random.normal(size=1000)
# 计算几率密度函数
density = stats.gaussian_kde(data)
# 生成 x 轴数据
x = np.linspace(min(data), max(data), num=200)
# 绘图
plt.plot(x, density(x))
# 图形设置
plt.xlabel('Data')
plt.ylabel('Density')
plt.title('Density Plot')
# 显示图形
plt.show()

在代码中，首先使用 numpy 库生成随机数据，然后使用 scipy.stats.gaussian_kde 函数计算数据散布的几率密度函数。接着，通过 numpy 库生成 x 轴数据，然后使用 matplotlib 库绘制密度图。最后，设置图形的坐标轴说明与标题，并使用 plt.show() 函数显示图形。

绘制出的密度图能够清晰地展现出数据的散布情况。通过密度图，我们可以发现数据的峰值位于坐标轴的中央，左右两侧数据的密度逐步减小，显现出标准正态散布的特点。