데이터 시각화는 실제로 숫자를 보고 복잡한 계산을 수행하지 않고도 데이터에서 무슨 일이 일어나고 있는지 이해하는 데 도움이 되기 때문에 중요한 단계입니다. Seaborn은 데이터 시각화에 도움이 되는 라이브러리입니다. 맞춤형 테마와 고급 인터페이스가 함께 제공됩니다.
KDE라고도 하는 커널 밀도 추정은 연속 확률 변수의 확률 밀도 함수를 추정할 수 있는 방법입니다.
이 방법은 비모수 값의 분석에 사용됩니다. distplot을 사용할 때 인수 'kde'를 True로, 'hist'를 False로 설정하면 KDE를 시각화할 수 있습니다.
Python에서 커널 밀도 추정을 시각화하는 방법을 살펴보겠습니다.
예
pdimport seaborn을 matplotlib로 가져오기 pyplot을 pltdf =sb.load_dataset('iris')sb.distplot(df['petal_length'],kde =True, hist =False)plt.show()로 가져오기 출력
설명
- 필수 패키지를 가져옵니다.
- 입력 데이터는 scikit Learn 라이브러리에서 로드되는 'iris_data'입니다.
- 'load_dataset' 함수는 홍채 데이터를 로드하는 데 사용됩니다.
- 이 데이터는 'distplot' 기능을 사용하여 시각화됩니다.
- 여기서 'kde' 매개변수는 히스토그램만 표시하기 위해 true로 설정됩니다.
- 이 시각적 데이터는 콘솔에 표시됩니다.
참고 − 'kde' 값을 False로 지정하면 히스토그램만 표시됩니다.