Cách sử dụng thư viện Seaborn để hiển thị ước lượng mật độ hạt nhân (KDE) trong Python

Trực quan hóa dữ liệu là bước quan trọng vì nó giúp hiểu điều gì đang diễn ra trong dữ liệu mà không cần nhìn vào con số và thực hiện các phép tính phức tạp. Seaborn là một thư viện hỗ trợ trực quan hóa dữ liệu. Nó đi kèm với các chủ đề tùy chỉnh và giao diện cấp cao.

Ước lượng mật độ hạt nhân (Kernel Density Estimation - KDE) là một phương pháp cho phép ước lượng hàm mật độ xác suất của một biến ngẫu nhiên liên tục. Phương pháp này được dùng cho phân tích các giá trị phi tham số (non-parametric). Khi sử dụng distplot, nếu đối số kde được đặt là True và hist là False, thì KDE có thể được trực quan hóa.

Hãy xem cách trực quan hóa ước lượng mật độ hạt nhân trong Python:

Ví dụ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

df = sb.load_dataset('iris')
sb.distplot(df['petal_length'], kde=True, hist=False)
plt.show()

Đầu ra

Giải thích

• Nhập các gói thư viện cần thiết.
• Dữ liệu đầu vào là 'iris_data' được tải từ thư viện scikit-learn.
• Hàm load_dataset được dùng để tải dữ liệu iris.
• Dữ liệu được trực quan hóa bằng hàm distplot.
• Ở đây, tham số kde được đặt là True vì chúng ta chỉ muốn hiển thị đường KDE.
• Dữ liệu trực quan này được hiển thị trên console.

Lưu ý - Khi giá trị kde được đặt là False, chỉ histogram được hiển thị.

Cập nhật: Từ phiên bản Seaborn 0.11+, distplot đã bị deprecated. Nên sử dụng kdeplot hoặc histplot thay thế:

sb.kdeplot(data=df, x='petal_length')