- hue参数：指定按颜色分组绘制
- multiple参数：指定样式
- “layer”：默认值，在不同的图层中叠加绘制
- “stack”：高度方向叠加绘制
- “fill”：总高度为1
kdeplot的multiple参数不支持dodge。
sns.kdeplot(data=penguins, x="flipper_length_mm",hue="species",multiple="stack")
#sns.kdeplot(data=penguins, x="flipper_length_mm",hue="species",multiple="fill")
geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind",levels=5)
alpha=.5, linewidth=0参数可以设置样式
cmap可以设置颜色
sns.kdeplot(data=geyser, x="waiting", y="duration", alpha=.5, linewidth=0, fill=True, cmap="hsv")
ecdf可以认为是分布的积分。ecdf不支持双参数分布绘制。
hue、stat等参数与kdeplot函数相同
geyser = sns.load_dataset("geyser")
sns.ecdfplot(data=geyser, x="waiting")
geyser = sns.load_dataset("geyser")
sns.ecdfplot(data=geyser, x="waiting",hue="kind")
geyser = sns.load_dataset("geyser")
sns.ecdfplot(data=geyser, x="waiting",stat="count")
ecdf绘制的y轴值cdf，用complementary=True设置互补后y轴值取1-cdf
geyser = sns.load_dataset("geyser")
sns.ecdfplot(data=geyser, x="waiting",complementary=True)
rugplot不能使用figure级函数displot绘制。
geyser = sns.load_dataset("geyser")
sns.rugplot(data=geyser, x="waiting")
sns.rugplot(data=geyser, x="waiting", y="duration")
sns.rugplot(data=geyser, x="waiting", y="duration",hue="kind")
height参数可以设置rug短线的长度
sns.rugplot(data=geyser, x="waiting", height=0.5)
rug图单独绘制意义不大，通常和其他图形合并显示。可以通过displot函数绘制，也可以通过axes级函数在同一个axes中绘制。
geyser = sns.load_dataset("geyser")
sns.displot(data=geyser, x="waiting", kind="kde", rug=True)
tips=sns.load_dataset("tips")
sns.scatterplot(data=tips, x="total_bill", y="tip")
sns.rugplot(data=tips, x="total_bill", y="tip")
个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。
修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap
未经允许请勿转载。
Seaborn系列目录文章目录1. 分布统计绘图API概述2. displot单变量分布图(直方图、核密度、累积分布)2.1 displot函数绘制单变量分布图2.2 displot直方图kde图同时叠加绘制2.3 displot绘图同时叠加rug图2.4 displot双变量分布图(直方图、核密度)2.5 displot分组统计绘图2.6 displot绘制多个子图3 displot、histplot直方图详解3.1 直方图基本参数设置3.1.1 横向直方图3.1.2 直方柱数量3.1.3 直方图样式
ref :
https://www.jianshu.com/p/f2ec097aedfd
https://www.cnblogs.com/feffery/p/11128113.html
import numpy as np
import seaborn as sns
import mat.
单变量分布（1）distplot，seaborn的displot()函数集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。
（2）kdeplot，核密度估计的步骤：每一个观测附近用一个正态分布曲线近似；叠加所有观测的正态分布曲线；归一化
bandwidth(bw参数)用于近似的正态分布曲线的
seaborn.distplot(a=None, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None, x=None)
关键参数：norm_hist：若为True, 则直方图
sns.distplot()集合了matplotlib的hist()于sns.kdeplot()功能，增了rugplot分布观测显示与理由scipy库fit拟合参数分布的新颖用途
#参数如下
sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm
displot
Figure-level interface for drawing distribution plots onto a FacetGrid. 图形级界面，用于在FacetGrid上绘制分布图。
histplot
Plot univariate or bivariate histograms to show distributions of datasets. 绘制单变量或双变量直方图来显示数据集的分布。
kdeplot
Plot univaria...
Seaborn 是一个基于 matplotlib 的 Python 数据可视化库。 它提供了一个用于绘制有吸引力和信息丰富的统计图形的高级界面。 Seaborn 可帮助您探索和理解您的数据。 它的绘图功能对包含整个数据集的数据框和数组进行操作，并在内部执行必要的语义映射和统计聚合以生成信息图。 其面向数据集的声明式 API 让您可以专注于绘图的不同元素的含义，而不是如何绘制它们的细节。 在幕后，seaborn 使用 matplotlib 绘制绘图。 对于交互式工作，建议在 matplotlib 模式下使用 Jupyter/IPython 接口，否则您必须在想要查看绘图时调用 matplotlib.pyplot.show()。
Seaborn常用绘图函数介绍主题风格函数参考备注
seaborn是基于Matplotlib的Python数据可视化库。它提供了一个高级界面，用于绘制引人入胜且内容丰富的统计图形,在Matplotlib上进行了更高级的API封装，从而使作图更加容易
sns.set_style("whitegrid") 横坐标有标线，纵坐标没有标线，背景白色
sns.set_style("darkgrid") 默认，横纵坐标都有标线，组成一个一个格子，背景稍微深色
sns.set_style("dark"
