Método de Kdeplot de marina

La estimación de densidad del núcleo (KDE) es una técnica para representar la distribución condicional de los parámetros de entrada lineales y no lineales. El método kdeplot () devuelve un gráfico semántico mucho menos complejo cada vez que queremos mostrar numerosas dispersiones. Se pueden ver varios conjuntos de datos utilizando una presentación gráfica en KDE. Es una forma mucho más efectiva de análisis visual. La estimación de densidad del núcleo (KDE) es un modelo predictivo para calcular y visualizar la probabilidad posterior de una variable discreta. El análisis no ofrece suposiciones con respecto al conjunto de datos, incluso si refleja los requisitos de un estándar o cualquier probabilidad.

La estimación de densidad del kernel es una versión de histograma simplificada que no incluye la línea de períodos de distribución y los respectivos puntos terminales. Crear figuras distintas para los conjuntos de datos y combinarlos para crear una forma completa proporciona una línea rectificada para la distribución posterior de un conjunto de datos original.

Seborn es un marco de programación como Matplotlib. Sevorn podría usarse para visualización con los módulos Pandas y Numpy. Los analistas de datos están utilizando kits de herramientas para hacer representaciones gráficas analíticas relevantes y atractivas. Con la ayuda del método KDePlot () de la Biblioteca Seaborn, podemos dibujar gráficos estadísticos descriptivos e inferenciales.

Examinaremos cómo utilizar Seaborn para visualizar los gráficos KDE. Para ilustrar el diseño del gráfico KDE, este artículo empleará algunas instancias de los datos originales.

Ejemplo 1

Podemos validar el modelo utilizando el paquete Seaborn llamando al método estándar de kdeplot (). Recopilamos 2500 datos de secuencia con el módulo aleatorizado en el siguiente escenario. Luego colocó estos en un marco de datos numpy ya que el paquete Seaborn interactúa exclusivamente con el módulo numpy y el módulo pandas. El código de ejemplo marítimo para esta instancia se fija a continuación:

Comenzaremos el programa incorporando los archivos de encabezado necesarios. El archivo de encabezado Seaborn se integrará como SN, Matplotlib.Pyplot se integrará como PLT, y Numpy se integrará como NP. En el paso posterior, hemos indicado el conjunto de datos de 2500 entradas. Esto se puede lograr utilizando el método randn () de la biblioteca Numpy.

Hemos usado la función kdeplot () para dibujar un gráfico KDE. Esta función está relacionada con el paquete marítimo. Hemos proporcionado el marco de datos, el color y la sombra como argumentos de la función kdeplot (). Aquí, establecemos el valor de la sombra como 'verdadero' y el valor del color como 'púrpura'. Este código se rescindirá llamando a la función show () de Matplotlib.módulo de pyplot. Esta función representa la gráfica final.

Ejemplo # 2

Al utilizar la función kdeplot () y el marco marítimo, podríamos representar aún más el conjunto de datos en diagonal o invertir el gráfico resultante. Para invertir la pantalla, empleamos el parámetro gráfico vertical = true. El código de ejemplo marítimo para esta instancia se fija a continuación:

Primero, importamos las bibliotecas: Seaborn, Matplotlib.pyplot y numpy. Tenemos que definir las 1000 colecciones de datos. La función randn () de la biblioteca numpy se puede usar para lograr esto. Para crear un mapa KDE, empleamos el método kdeplot (). El módulo marítimo está conectado a esta función. El método kdeplot () tiene varios argumentos: un marco de datos, un color y un tono. Queremos que la trama sea dibujada verticalmente en este caso. Como resultado, utilizamos el argumento 'vertical' y establecemos su valor en 'verdadero'.

Ajustamos el valor de la sombra a 'verdadero' y el valor de color para 'verde'. Este código finalizaría ejecutando el matePlotlib.Función Show () del módulo Pyplot. El gráfico final se ha representado con la ayuda de este método.

Ejemplo # 3

Tomamos los dos parámetros en la función kdeplot () del paquete marido para construir la gráfica de regresión multivariada KDE para parámetros dependientes. La función kdeplot () se está utilizando para trazar datos. En el código siguiente, mostraremos cómo obtener una regresión multivariada de la trama KDE. El código de ejemplo marítimo para esta instancia se fija a continuación:

Los archivos de encabezado deben incluirse al comienzo del script. El PD sería importado por la Biblioteca Pandas, SNS sería importado por la Biblioteca Seborn y PLT se importaría con la ayuda de Matplotlib.pyplot. Junto con todos estos, incluimos un módulo en línea de matplotlib.

En el siguiente paso, definiremos los conjuntos de datos tanto para el eje X como para el eje Y. Definimos los conjuntos llamando al método randn () de la biblioteca Numpy. Ahora, hemos invocado la función kdeplot () para dibujar el gráfico KDE. Hemos dado los conjuntos de datos de ambos ejes como parámetros de este método. La función show () se está utilizando para ilustrar el gráfico resultante:

Ejemplo # 4

Nuestro código usará el 'CBAR' en este argumento del contexto. Si el valor de 'cbar' es verdadero, se aplica una barra de color a un gráfico de regresión multivariante para resaltar la representación del tono. Desafortunadamente, de alguna manera no permite visualizaciones con un parámetro de color. El código de ejemplo marítimo para esta instancia se fija a continuación:

Después de introducir las bibliotecas requeridas, Pandas, Seaborn, Numpy y Matplotlib.Pyplot, tanto el eje X como los marcos de datos del eje y se han especificado. Los conjuntos se definen mientras se usa la función randn () de la biblioteca numpy. Hemos estado llamando a la herramienta kdeplot () para dibujar el gráfico KDE. Este método es un componente del paquete marítimo. Los parámetros de esta metodología son los conjuntos de datos de ambos ejes. Hemos pasado el argumento 'CBAR' al método kdeplot (). El método show () se utilizará para visualizar el gráfico obtenido.

Conclusión

En este artículo, hemos utilizado la presentación del gráfico KDE con el módulo pandas y el paquete marítimo. En un gráfico KDE 1D, hemos observado cómo representar el modelo probabilístico de una y muchas variables. Hablamos sobre cómo representar un conjunto de datos 2D utilizando el diseño de KDE con el marco marítimo. También proporcionamos el método kdeplot () algunos parámetros para observar cómo afectaron el mapa.