[Seaborn] KDE

Seaborn

: Statistical Data Visualization

 

 

 

 

확률밀도함수 PDF (Probability Desity Function)

: 데이터 셋의 분포를 나타냄

: 특정 구간에서의 확률을 나타냄

 

선의 확률은 0

키가 170일 확률 = 0

 

 

 

 

KDE(Kernel Density Estimation)

: 우리가 갖고 있는 데이터는 굴곡이 많은 데이터임

: KDE를 사용해 굴곡 많은 데이터를 추측을 통해 진짜 분포에 가깝게 부드러운 곡선으로 바꿀 수 있음

 

 

 

 

 

 

키 몸무게 데이터 가져오기

body_df = pd.read_csv('./data/body.csv', index_col=0)
body_df.head()

 

 

 

데이터 정렬

body_df['Height'].value_counts().sort_index()

 

 

 

 

 

 

그래프 그리기

body_df['Height'].value_counts().sort_index().plot()

 

 

 

 

 

Seaborn KDE 그래프

sns.kdeplot(body_df['Height'], bw=0.05)  # bw = 추측수준 (구간 나누는 갯수)

 

 

 

 

 

 

bw 파라미터 값 조정

sns.kdeplot(body_df['Height'], bw=5)  # bw = 추측수준 (구간 나누는 갯수)

 

 

 

 

 

---

 

 

 

키 몸무게 데이터 가져오기

body_df = pd.read_csv('./data/body.csv', index_col=0)
body_df.head()

 

 

 

 

 

히스토그램 그래프

body_df.plot(kind='hist', y='Height',bins=15)

 

 

 

 

 

Seaborn distplot

sns.distplot(body_df['Height'], bins=15)

 

 

 

 

박스플롯

# 박스 플롯
body_df.plot(kind='box', y='Height')

 

- 위스커 부분 : Q3위/ Q1아래 점

 

 

 

 

 

 

 

바이올린 플롯

 

- 시각적 근사함 

- 특정 데이터에서 바이올린 모양

- 데칼코마니

- 90º 돌려 확인하면 히스토그램 모양

# 바이올린 플롯 
sns.violinplot(y=body_df['Height'])

 

 

 

 

 

 

Scatter plot

body_df.plot(kind='scatter', x='Height', y='Weight')

 

 

 

 

 

 

 

 

등고선 kdeplot

# 등고선
sns.kdeplot(body_df['Height'], body_df['Weight'])

 

- x축 키 : 가로 간격 / y축 몸무게 : 세로 간격

- 여기서는 가로데이터(Height)는 175cm 부근에 집중적으로(뾰족) 많음 

- 세로데이터(Weight)는 65~75 부근까지 비교적 평평하게 많음
- 가파를수록 선끼리 가까워짐

 

 

 

 

 

가로데이터(Height)

sns.kdeplot(body_df['Height'])

Height : 뾰족

 

 

 

세로데이터(Weight)

sns.kdeplot(body_df['Weight'])

## 윗부분에서 좀 평평?