matplotlib에서 밀도 플롯을 만드는 방법은 무엇입니까?

RI에서 다음을 수행하여 원하는 출력을 생성 할 수 있습니다.

data = c(rep(1.5, 7), rep(2.5, 2), rep(3.5, 8),
         rep(4.5, 3), rep(5.5, 1), rep(6.5, 8))
plot(density(data, bw=0.5))

파이썬에서 (matplotlib 사용) 가장 가까운 것은 간단한 히스토그램이었습니다.

import matplotlib.pyplot as plt
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
plt.hist(data, bins=6)
plt.show()

또한 normed = True 매개 변수를 시도했지만 히스토그램에 가우스를 맞추는 것 외에는 아무것도 얻을 수 없었습니다.

내 최근 시도는 웹의 예를 따르는 scipy.stats및 gaussian_kde였지만 지금까지 성공하지 못했습니다.

Sven은 gaussian_kdeScipy 에서 클래스를 사용하는 방법을 보여 주었지만 R로 생성 한 것과 완전히 닮지 않았 음을 알 수 있습니다. 이는 gaussian_kde대역폭을 자동으로 추론하려고하기 때문 입니다. 클래스 의 기능 covariance_factor을 변경하여 대역폭으로 플레이 할 수 있습니다 gaussian_kde. 첫째, 해당 기능을 변경하지 않고 얻을 수있는 것은 다음과 같습니다.

그러나 다음 코드를 사용하면 :

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
density = gaussian_kde(data)
xs = np.linspace(0,8,200)
density.covariance_factor = lambda : .25
density._compute_covariance()
plt.plot(xs,density(xs))
plt.show()

나는 얻다

R에서 얻는 것과 매우 비슷합니다. 내가 뭘 한 거죠? 대역폭을 계산하기 위해 변경 가능한 gaussian_kde함수를 사용합니다 covariance_factor. 함수를 변경하기 전에이 데이터에 대해 covariance_factor가 반환 한 값은 약 .5였습니다. 이것을 낮추면 대역폭이 낮아졌습니다. _compute_covariance모든 요소가 올바르게 계산되도록 함수를 변경 한 후 호출 해야했습니다. R의 bw 매개 변수와 정확히 일치하지는 않지만 올바른 방향으로가는 데 도움이되기를 바랍니다.

5 년 후, "python을 사용하여 커널 밀도 플롯을 만드는 방법"을 Google에서 검색했을 때이 스레드가 여전히 맨 위에 표시됩니다!

오늘날이 작업을 수행하는 훨씬 더 쉬운 방법 은 많은 편리한 플로팅 기능과 좋은 스타일 관리를 제공하는 패키지 인 seaborn 을 사용 하는 것입니다.

import numpy as np
import seaborn as sns
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
sns.set_style('whitegrid')
sns.kdeplot(np.array(data), bw=0.5)

옵션 1:

pandas데이터 프레임 플롯 사용 (위에 빌드 됨 matplotlib) :

import pandas as pd
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
pd.DataFrame(data).plot(kind='density') # or pd.Series()

옵션 2 :

사용 distplot의 seaborn:

import seaborn as sns
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
sns.distplot(data, hist=False)

다음과 같이 시도해보십시오.

import matplotlib.pyplot as plt
import numpy
from scipy import stats
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
density = stats.kde.gaussian_kde(data)
x = numpy.arange(0., 8, .1)
plt.plot(x, density(x))
plt.show()

gaussian_kde()다른 커널 밀도 추정값으로 쉽게 대체 할 수 있습니다 .

밀도 플롯은 matplotlib를 사용하여 생성 할 수도 있습니다 : plt.hist (data) 함수는 밀도 플롯에 필요한 y 및 x 값을 반환합니다 (문서 https://matplotlib.org/3.1.1/api/_as_gen/ 참조). matplotlib.pyplot.hist.html ). 결과적으로 다음 코드는 matplotlib 라이브러리를 사용하여 밀도 플롯을 만듭니다.

import matplotlib.pyplot as plt
dat=[-1,2,1,4,-5,3,6,1,2,1,2,5,6,5,6,2,2,2]
a=plt.hist(dat,density=True)
plt.close()
plt.figure()
plt.plot(a[1][1:],a[0])      

이 코드는 다음 밀도 플롯을 반환합니다.