Python数据可视化之数据密度分布 | 您所在的位置:网站首页 › python概率密度函数拟合 › Python数据可视化之数据密度分布 |
Python数据可视化(一)
之数据密度分布
数据密度分布是数据的主要特征之一,Python中有几种方法可以对数据密度进行可视化。在此利用小鼠胚胎干细胞基因表达谱作为例子: 1. 利用直方图(histgram)Histogram 为最常用的查看密度分布可视化方法,利用matplotlib 中 hist 函数即可。 plt.hist(TData, bins=50, color='steelblue', normed=True ) Hist 函数能够粗略估计数据密度,通过bins调节精细程度。如果想给数据一个更精确的拟合曲线,通过计算拟合函数,用matplotlib画出来,当然也可以,但比较麻烦。Seaborn 可以很方便的画出直方图,拟合曲线。 import seaborn as sns sns.distplot(TData, rug=True 也可以不要直方图,仅保留拟合曲线: sns.distplot(TData, rug=True, hist=False) 对于高维数据,可以利用Sklearn KernelDensity拟合数据密度,Kernel包括几种不同的方法,guassin, tophat, cosine等。下图为SKlearn给出的一个例子: kde = KernelDensity(kernel=kernel, bandwidth=1.0).fit(X) dens = kde.score_samples(X_plot) 结语:本文仅讨论了一维数据的密度分布,对于高维数据如何评价密度并可视化,将会是更加有趣的事情,之后进行进一步探索。 |
CopyRight 2018-2019 实验室设备网 版权所有 |