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。
文章来源:丸子建站
文章标题:python 画密度图
https://www.wanzijz.com/view/58056.html