Python에서 커널 밀도 추정 플롯(joinplot)을 표시하는 데 Seaborn 라이브러리가 어떻게 사용되었습니까?

Seaborn은 데이터 시각화에 도움이 되는 라이브러리입니다. 맞춤형 테마와 높은 수준의 인터페이스가 함께 제공됩니다.

KDE라고도 하는 커널 밀도 추정은 연속 확률 변수의 확률 밀도 함수를 추정할 수 있는 방법입니다. 이 방법은 비모수 값의 분석에 사용됩니다. 'jointplot' 사용 중 'kind' 인수가 'kde'로 설정되면 커널 밀도 추정 플롯을 플롯합니다.

'jointplot' 함수가 파이썬에서 커널 밀도 추정을 플롯하기 위해 어떻게 작동하는지 이해합시다.

예시

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length',y = 'petal_width',data = my_df,kind = 'kde')
plt.show()

출력

설명

• 필요한 패키지를 가져옵니다.

• 입력 데이터는 scikit Learn 라이브러리에서 불러온 'iris_data'입니다.

• 이 데이터는 데이터 프레임에 저장됩니다.

• 'load_dataset' 함수는 홍채 데이터를 로드하는 데 사용됩니다.

• 이 데이터는 'jointplot' 기능을 사용하여 시각화됩니다.

• 여기서 'x', 'y' 축 값은 매개변수로 제공됩니다.

• 여기서 'kind' 매개변수는 'kde'로 지정되어 플롯이 커널 밀도 추정을 인쇄하는 것으로 이해할 수 있도록 합니다.

• 이 커널 밀도 추정 데이터는 콘솔에 표시됩니다.