Hướng dẫn what does density mean in python? - mật độ có nghĩa là gì trong python?

Các sơ đồ mật độ cho phép trực quan hóa phân phối của một biến số cho một hoặc một số nhóm. Chúng được điều chỉnh rất tốt cho bộ dữ liệu lớn, như đã nêu trong dữ liệu-to-viz.com. Lưu ý rằng 2 cách tiếp cận tồn tại để xây dựng chúng trong Python: phương pháp đầu tiên bao gồm tính toán ước tính mật độ hạt nhân, phương pháp thứ hai trong việc xây dựng biểu đồ có độ phân giải cao.

⏱ Bắt đầu nhanh chóng

Nếu bạn đang vội, cách đơn giản nhất để xây dựng biểu đồ mật độ là sử dụng Seaborn và hàm kdeplot() của nó. Bạn chỉ cần cung cấp cho nó một biến số từ bộ dữ liệu của bạn. 🔥

# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')

# Make default density plot
sns.kdeplot(df['sepal_width'])

Biểu đồ mật độ với Seaborn

Seaborn là một thư viện Python cho phép tạo biểu đồ tốt hơn một cách dễ dàng. Nó được điều chỉnh tốt để xây dựng biểu đồ mật độ nhờ vào chức năng kdeplot của nó. Các biểu đồ sau đây sẽ hướng dẫn bạn sử dụng nó, đi từ một âm mưu mật độ rất cơ bản đến một cái gì đó được tùy chỉnh hơn nhiều.

Biểu đồ mật độ, Seaborn và nhiều nhóm

Đây là một trường hợp sử dụng phổ biến để so sánh mật độ của một số nhóm trong bộ dữ liệu. Một số tùy chọn tồn tại để làm như vậy. Bạn có thể vẽ tất cả các mục trên cùng một biểu đồ, sử dụng tính minh bạch và chú thích để thực hiện so sánh có thể. Hoặc bạn có thể một kỹ thuật gọi là bội số nhỏ trong đó cửa sổ đồ thị được phân chia trong các biểu đồ riêng lẻ, tránh sự chồng chéo của nhóm đôi khi khó đọc.

🔎 kdeplot Tham số chức năng → Xem toàn bộ tài liệu

fillbwcolor

________ 8 → màu dưới đường cong→ color under the curve

Biểu đồ mật độ với Matplotlib

Có thể xây dựng một biểu đồ mật độ với Seaborn0, nhưng nó thực sự là một cuộc đấu tranh so với việc làm cho nó với Seaborn1 như thể hiện ở trên. Đây là một ví dụ để chứng minh nó là có thể thực hiện được, nhưng tôi thực sự khuyên bạn nên đi cho Seaborn1.

Biểu đồ mật độ là một loại công cụ trực quan hóa dữ liệu. Đó là một biến thể của biểu đồ sử dụng ‘kernel làm mịn trong khi vẽ các giá trị. Đây là một phiên bản liên tục và mượt mà của một biểu đồ được suy ra từ một dữ liệu.

Các ô mật độ sử dụng ước tính mật độ hạt nhân (vì vậy chúng còn được gọi là các ô ước tính mật độ hạt nhân hoặc KDE) là hàm mật độ xác suất. Vùng của lô với đỉnh cao hơn là khu vực có điểm dữ liệu tối đa nằm giữa các giá trị đó.

Các lô mật độ có thể được thực hiện bằng cách sử dụng gấu trúc, seeborn, v.v. Trong bài viết này, chúng tôi sẽ tạo ra các lô mật độ bằng gấu trúc. Chúng tôi sẽ sử dụng hai bộ dữ liệu của Thư viện Seaborn là - ‘Car_crashes, và‘ Mẹo. & NBSP;

Cú pháp: pandas.dataframe.plot.dive | pandas.dataframe.plot.kde pandas.DataFrame.plot.density | pandas.DataFrame.plot.kde

trong đó gấu trúc -> bộ dữ liệu của loại ‘pandas dataframepandas -> the dataset of the type ‘pandas dataframe’

DataFrame -> Cột mà biểu đồ mật độ sẽ được vẽ-> the column for which the density plot is to be drawn

Biểu đồ -> Từ khóa chỉ đạo để vẽ sơ đồ/biểu đồ cho cột đã cho-> keyword directing to draw a plot/graph for the given column

Mật độ -> để vẽ đồ thị mật độ & nbsp;-> for plotting a density graph 

KDE -> Để vẽ đồ thị mật độ bằng cách sử dụng hàm ước tính mật độ hạt nhân-> to plot a density graph using the Kernel Density Estimation function

Ví dụ 1: Cho bộ dữ liệu ‘car_crashes, hãy để tìm hiểu bằng cách sử dụng biểu đồ mật độ là tốc độ phổ biến nhất do hầu hết các vụ tai nạn xe hơi xảy ra. Given the dataset ‘car_crashes’, let’s find out using the density plot which is the most common speed due to which most of the car crashes happened.

Python3

Seaborn3 Seaborn4

Seaborn3 Seaborn6

Seaborn3 Seaborn8

Seaborn9kdeplot()0 kdeplot()1kdeplot()2223

kdeplot()4kdeplot()5kdeplot()6kdeplot()7

Output:

Vẽ đồ thị:

Python3

kdeplot()8kdeplot()0Seaborn0kdeplot()3

Seaborn2Seaborn3kdeplot()3

Seaborn5

Output:

Sử dụng biểu đồ mật độ, chúng ta có thể tìm ra rằng tốc độ giữa 4-5 (kmph) là phổ biến nhất đối với các sự cố sự cố trong bộ dữ liệu vì nó là vùng mật độ cao (đỉnh cao).

Ví dụ 2: Đối với một bộ dữ liệu khác ‘Mẹo, hãy để tính toán những gì là mẹo phổ biến nhất được đưa ra bởi khách hàng. & NBSP; For another dataset ‘tips’, let’s calculate what was the most common tip given by a customer. 

Python3

Seaborn9kdeplot()0 kdeplot()1Seaborn9kdeplot()3

kdeplot()4kdeplot()5kdeplot()6kdeplot()7

Output:

‘Mẹo dữ liệu

Vẽ đồ thị:

Python3

Seaborn5kdeplot()0Seaborn0kdeplot()3

Seaborn2kdeplot0kdeplot()3

Seaborn5

Sử dụng biểu đồ mật độ, chúng ta có thể tìm ra rằng tốc độ giữa 4-5 (kmph) là phổ biến nhất đối với các sự cố sự cố trong bộ dữ liệu vì nó là vùng mật độ cao (đỉnh cao).

Ví dụ 2: Đối với một bộ dữ liệu khác ‘Mẹo, hãy để tính toán những gì là mẹo phổ biến nhất được đưa ra bởi khách hàng. & NBSP;

Seaborn9kdeplot()0 kdeplot()1Seaborn9kdeplot()3

Python3

kdeplot3kdeplot()0Seaborn0kdeplot()3

Seaborn2kdeplot8kdeplot()3

Seaborn5

‘Mẹo dữ liệu

Thông qua biểu đồ mật độ trên, chúng ta có thể suy ra rằng mẹo phổ biến nhất được đưa ra là trong phạm vi 2,5-3. Đỉnh/mật độ cao nhất (như được biểu thị trên trục y) được tìm thấy ở giá trị đầu là 2,5 - 3. & nbsp;

Mật độ trong Python là gì?

Mật độ có nghĩa là gì trong dữ liệu?

Mật độ trong trực quan hóa dữ liệu là gì?

Mật độ có nghĩa là gì trên biểu đồ?