Seaborn 直方图:在 Python 中创建分布图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
 
# 生成样本数据
np.random.seed(42)
data = np.random.normal(100, 15, 1000)
 
# 创建基本直方图
sns.histplot(data=data)
plt.title('基本 Seaborn 直方图')
plt.xlabel('值')
plt.ylabel('计数')
plt.show()

import pandas as pd
 
# 创建 DataFrame
df = pd.DataFrame({
    'values': np.random.normal(100, 15, 1000),
    'category': np.random.choice(['A', 'B', 'C'], 1000)
})
 
# 从 DataFrame 绘制直方图
sns.histplot(data=df, x='values')
plt.show()

# 创建具有 30 个箱的直方图
sns.histplot(data=data, bins=30)
plt.title('具有 30 个箱的直方图')
plt.show()

# 设置特定箱宽度
sns.histplot(data=data, binwidth=5)
plt.title('箱宽度 = 5 的直方图')
plt.show()

# 自定义箱边缘
bin_edges = [70, 80, 90, 100, 110, 120, 130]
sns.histplot(data=data, bins=bin_edges)
plt.title('具有自定义箱边缘的直方图')
plt.show()

# 限制直方图范围
sns.histplot(data=data, binrange=(80, 120))
plt.title('限制范围的直方图(80-120)')
plt.show()

# 带 KDE 叠加的直方图
sns.histplot(data=data, kde=True)
plt.title('带 KDE 叠加的直方图')
plt.show()

# 仅 KDE(无直方图条)
sns.kdeplot(data=data)
plt.title('仅 KDE 曲线')
plt.show()

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
 
# 仅直方图
sns.histplot(data=data, ax=axes[0])
axes[0].set_title('仅直方图')
 
# 仅 KDE
sns.kdeplot(data=data, ax=axes[1])
axes[1].set_title('仅 KDE')
 
# 两者组合
sns.histplot(data=data, kde=True, ax=axes[2])
axes[2].set_title('直方图 + KDE')
 
plt.tight_layout()
plt.show()

fig, axes = plt.subplots(2, 3, figsize=(15, 8))
 
stats = ['count', 'frequency', 'density', 'probability', 'percent']
 
for idx, stat_type in enumerate(stats):
    ax = axes[idx // 3, idx % 3]
    sns.histplot(data=data, stat=stat_type, kde=True, ax=ax)
    ax.set_title(f'stat="{stat_type}"')
 
# 删除额外的子图
fig.delaxes(axes[1, 2])
 
plt.tight_layout()
plt.show()

# 创建多类别数据
df = pd.DataFrame({
    'values': np.concatenate([
        np.random.normal(90, 10, 500),
        np.random.normal(105, 12, 500),
        np.random.normal(100, 8, 500)
    ]),
    'group': ['A'] * 500 + ['B'] * 500 + ['C'] * 500
})
 
# 使用 hue 绘图
sns.histplot(data=df, x='values', hue='group', kde=True)
plt.title('按组划分的多个分布')
plt.show()

fig, axes = plt.subplots(2, 2, figsize=(12, 10))
 
multiple_types = ['layer', 'dodge', 'stack', 'fill']
 
for idx, mult_type in enumerate(multiple_types):
    ax = axes[idx // 2, idx % 2]
    sns.histplot(data=df, x='values', hue='group',
                 multiple=mult_type, ax=ax)
    ax.set_title(f'multiple="{mult_type}"')
 
plt.tight_layout()
plt.show()

# 基本 displot(创建整个图形)
sns.displot(data=df, x='values', hue='group', kde=True)
plt.show()

# 添加分面维度
df['dataset'] = np.random.choice(['Train', 'Test'], len(df))
 
# 创建分面图
sns.displot(data=df, x='values', hue='group',
            col='dataset', kde=True, height=4, aspect=1.2)
plt.show()

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
 
# 直方图
sns.displot(data=df, x='values', kind='hist', kde=True)
plt.title('kind="hist"')
 
# KDE
sns.displot(data=df, x='values', kind='kde')
plt.title('kind="kde"')
 
# ECDF(经验累积分布函数)
sns.displot(data=df, x='values', kind='ecdf')
plt.title('kind="ecdf"')
 
plt.tight_layout()
plt.show()

# 每个类别的自定义颜色
custom_palette = {'A': '#FF6B6B', 'B': '#4ECDC4', 'C': '#45B7D1'}
 
sns.histplot(data=df, x='values', hue='group',
             palette=custom_palette, alpha=0.6,
             edgecolor='black', linewidth=1.5)
plt.title('自定义颜色直方图')
plt.show()

# 强调箱边缘
sns.histplot(data=data, bins=20, edgecolor='black',
             linewidth=2, alpha=0.7, color='skyblue')
plt.title('具有突出边缘的直方图')
plt.show()

# 生成对数正态数据
log_data = np.random.lognormal(3, 1, 1000)
 
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
 
# 线性刻度
sns.histplot(data=log_data, ax=axes[0])
axes[0].set_title('线性刻度')
 
# 对数刻度
sns.histplot(data=log_data, log_scale=True, ax=axes[1])
axes[1].set_title('对数刻度')
 
plt.tight_layout()
plt.show()

# 累积直方图
sns.histplot(data=data, cumulative=True, stat='density',
             element='step', fill=False)
plt.title('累积分布')
plt.ylabel('累积密度')
plt.show()

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
 
elements = ['bars', 'step', 'poly']
 
for ax, elem in zip(axes, elements):
    sns.histplot(data=data, element=elem, kde=True, ax=ax)
    ax.set_title(f'element="{elem}"')
 
plt.tight_layout()
plt.show()

# 生成相关的 2D 数据
np.random.seed(42)
x = np.random.normal(100, 15, 1000)
y = x + np.random.normal(0, 10, 1000)
 
# 2D 直方图
sns.histplot(x=x, y=y, bins=30, cbar=True)
plt.title('2D 直方图(双变量分布)')
plt.show()

fig, axes = plt.subplots(1, 2, figsize=(12, 5))
 
# 2D 直方图
sns.histplot(x=x, y=y, bins=30, cbar=True, ax=axes[0])
axes[0].set_title('2D 直方图')
 
# KDE 等高线图
sns.kdeplot(x=x, y=y, fill=True, cmap='viridis', ax=axes[1])
axes[1].set_title('2D KDE 图')
 
plt.tight_layout()
plt.show()

# 添加类别
categories = np.random.choice(['组 1', '组 2'], 1000)
 
sns.histplot(x=x, y=y, hue=categories, bins=20)
plt.title('带 Hue 的 2D 直方图')
plt.show()

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
 
# 箱太少
sns.histplot(data=data, bins=5, ax=axes[0])
axes[0].set_title('箱太少(5) - 过度平滑')
 
# 适当数量
sns.histplot(data=data, bins=30, ax=axes[1])
axes[1].set_title('适当的箱(30)')
 
# 箱太多
sns.histplot(data=data, bins=100, ax=axes[2])
axes[2].set_title('箱太多(100) - 噪声多')
 
plt.tight_layout()
plt.show()

# 不同的样本大小
small_sample = np.random.normal(100, 15, 200)
large_sample = np.random.normal(100, 15, 2000)
 
df_samples = pd.DataFrame({
    'value': np.concatenate([small_sample, large_sample]),
    'sample': ['小(n=200)'] * 200 + ['大(n=2000)'] * 2000
})
 
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
 
# 错误:使用 count
sns.histplot(data=df_samples, x='value', hue='sample',
             stat='count', ax=axes[0])
axes[0].set_title('错误:Count(难以比较)')
 
# 正确:使用 density
sns.histplot(data=df_samples, x='value', hue='sample',
             stat='density', common_norm=False, ax=axes[1])
axes[1].set_title('正确:Density(易于比较)')
 
plt.tight_layout()
plt.show()

fig, axes = plt.subplots(1, 2, figsize=(12, 4))
 
# 不好:不透明条隐藏重叠
sns.histplot(data=df, x='values', hue='group',
             alpha=1.0, ax=axes[0])
axes[0].set_title('不好:不透明条')
 
# 好:透明度显示重叠
sns.histplot(data=df, x='values', hue='group',
             alpha=0.5, ax=axes[1])
axes[1].set_title('好:透明条')
 
plt.tight_layout()
plt.show()

# 良好实践:清晰的标签
sns.histplot(data=data, stat='density', kde=True)
plt.title('值的分布')
plt.xlabel('值')
plt.ylabel('密度')
plt.show()

# 旧方法(已弃用)
# sns.distplot(data)  # 不要使用这个
 
# 新方法
sns.histplot(data=data, kde=True)
plt.show()

import pygwalker as pyg
import pandas as pd
import numpy as np
 
# 创建样本数据
df = pd.DataFrame({
    'values': np.random.normal(100, 15, 1000),
    'category': np.random.choice(['A', 'B', 'C'], 1000),
    'score': np.random.uniform(0, 100, 1000)
})
 
# 启动交互式浏览器
pyg.walk(df)

# 生成真实的考试数据
np.random.seed(42)
n_students = 500
 
exam_data = pd.DataFrame({
    'score': np.concatenate([
        np.random.normal(75, 10, 200),  # A 班
        np.random.normal(68, 15, 150),  # B 班
        np.random.normal(82, 8, 150)    # C 班
    ]),
    'class': ['A 班'] * 200 + ['B 班'] * 150 + ['C 班'] * 150,
    'study_hours': np.random.uniform(0, 40, n_students)
})
 
# 将分数限制在有效范围内
exam_data['score'] = exam_data['score'].clip(0, 100)
 
# 创建综合可视化
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
 
# 带 KDE 的整体分布
sns.histplot(data=exam_data, x='score', kde=True,
             bins=30, ax=axes[0, 0])
axes[0, 0].set_title('整体成绩分布')
axes[0, 0].axvline(exam_data['score'].mean(), color='red',
                    linestyle='--', label=f'平均值: {exam_data["score"].mean():.1f}')
axes[0, 0].legend()
 
# 比较班级
sns.histplot(data=exam_data, x='score', hue='class',
             stat='density', common_norm=False,
             alpha=0.5, bins=25, ax=axes[0, 1])
axes[0, 1].set_title('按班级划分的成绩分布')
 
# 用于比例的堆叠视图
sns.histplot(data=exam_data, x='score', hue='class',
             multiple='stack', bins=25, ax=axes[1, 0])
axes[1, 0].set_title('堆叠分布(总计数)')
 
# 累积分布
sns.histplot(data=exam_data, x='score', hue='class',
             stat='density', element='step', fill=False,
             cumulative=True, common_norm=False, ax=axes[1, 1])
axes[1, 1].set_title('按班级划分的累积分布')
 
plt.tight_layout()
plt.show()
 
# 打印摘要统计
print(exam_data.groupby('class')['score'].describe())