1、 导入库

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns

2、 概率密度图–kdeplot的应用

第一个参数：要绘制的图像数据
第二个参数:shade 是否填充颜色

# 获得数据
dataSet =pd.read_csv(r'F:\Pycharmworkspace\data\多分类问题\客户类别分类_多分类.csv',sep=',')
# 获得类别种类
label = np.unique(dataSet.iloc[:,-1])

# 绘制图像
for i in range(len(label)):
    data = dataSet.loc[dataSet.iloc[:,-1]==label[i],'age']
    data.reset_index(drop=True, inplace=True)
    sns.kdeplot(data
               ,shade=True
#                ,alpha=0.5
               ,color=plt.cm.tab10(i)
               ,linewidth=1
               ,linestyle='-'
               ,label=label[i]
                )
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('年龄-客户概率密度');

3、 直方密度图–distplot的应用

参数bins表示对传入的数据分成几组

rdata = np.random.randn(100)
sns.distplot(rdata
            ,bins=10  #分多少箱，默认8个
            ,hist=True  #显不显示柱状图
            ,kde=True  #显不显示密度图
            ,hist_kws={'histtype':'bar','alpha':0.4}  #柱状图属性,histtype取四种：bar:简单条形图，barstacked:堆积条形图,step:未填充的线图，stepfilled默认被填充的线图
            ,kde_kws={'color':'g','linestyle':'--','linewidth':1,'alpha':0.7} #密度曲线属性
            );

4、 多条数据

rdata = np.random.randn(100,3)
plt.figure(figsize=(8,4))
for i in range(3):
    sns.distplot(rdata[:,i]
            ,bins=10  #分多少箱，默认8个
            ,hist=True  #显不显示柱状图
            ,kde=True  #显不显示密度图
            ,hist_kws={'color':plt.cm.tab10(i/3),'histtype':'bar','alpha':0.4}  #柱状图属性,histtype取四种：bar:简单条形图，barstacked:堆积条形图,step:未填充的线图，stepfilled默认被填充的线图
            ,kde_kws={'color':plt.cm.tab10(i/3),'linestyle':'--','linewidth':1,'alpha':0.9} #密度曲线属性
            ,label=i
                )
plt.legend();

害，折腾了我好久

1. 直方图和概率密度图叠加

#python 画概率密度图
#-*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

# 1）准备数据
lengths = []
with open("D:/length_analysis.tsv","r") as f:
    for l in f:
        if int(l.split('\t')[2])>80:
            continue
        lengths.append(int(l.split('\t')[2])//2)

# 2）设置内置背景style
plt.style.use('seaborn')
# 添加网格显示
plt.grid(linestyle="-", alpha=0.5,linewidth=1.5) 

# 3）画图
bins=[0,5,10,15,20,25,30,35,40]
sns.distplot(lengths, bins,hist=True,kde=True,color='royalblue')

# 4）调整
# 修改x轴刻度显示
plt.xticks(range(0, 45)[::5] ,fontsize=10)
# 修改刻度值大小
plt.tick_params(labelsize=13)
# # 添加x, y轴描述信息
# # plt.xlabel("")
# # plt.ylabel("")

plt.show()

2. 折线图

import matplotlib.pyplot as plt

# 2）设置内置背景style
plt.style.use('seaborn')
# 添加网格显示
plt.grid(linestyle="-", alpha=0.5,linewidth=1.5) 

#折线图
x = [u'<=5',u'5<l<=10',u'10<l<=15',u'15<l<=20',u'20<l<=25',u'25<l<=30',u'30<l<=35',u'35<l']#点的横坐标
k1 = [0.909090909, 0.853952395, 0.84803377, 0.834743006, 0.789830508, 0.773584906, 0.625, 0.285714286]#线1的纵坐标
k2 = [0.909090909, 0.888627681, 0.872250611, 0.860767729, 0.850847458, 0.849056604, 0.583333333, 0.714285714]#线2的纵坐标
k3 = [0.909090909, 0.889509257, 0.884692291, 0.869225764, 0.861016949, 0.849056604, 0.708333333, 0.571428571]
for i in range(len(k1)):
    k1[i]*=100
    k2[i]*=100
    k3[i]*=100

plt.plot(x,k3,'s-',color = 'red',label="Bert + MS-SAN")#o-:圆形
plt.plot(x,k2,'o-',color = 'royalblue',label="MS-SAN")#o-:圆形
plt.plot(x,k1,'*-',color = 'limegreen',label="Bert-base")#s-:方形


plt.tick_params(labelsize=12)
plt.xlabel("Avg_length(l)")#横坐标名字
plt.ylabel("ACC(%)")#纵坐标名字
plt.legend(loc = "best")#图例
plt.show()

补充：

1. mark

'.'       point marker
','       pixel marker
'o'       circle marker
'v'       triangle_down marker
'^'       triangle_up marker
'<'       triangle_left marker
'>'       triangle_right marker
'1'       tri_down marker
'2'       tri_up marker
'3'       tri_left marker
'4'       tri_right marker
's'       square marker
'p'       pentagon marker
'*'       star marker
'h'       hexagon1 marker
'H'       hexagon2 marker
'+'       plus marker
'x'       x marker
'D'       diamond marker
'd'       thin_diamond marker
'|'       vline marker
'_'       hline marker

2, color

• 在概率密度直方图中，取到任一bin中的一个样本的平均概率，等于该箱的高度(纵坐标y值) × 宽度(横坐标间距δx) ÷ 该箱中样本个数(n_samples)，而不是等于纵坐标y值；即此时面积表示概率之和，而不是纵坐标y值表示单一样本概率；如图1、图2所示。
• 在累积分布直方图中，取到任一bin中的一个样本的平均概率，等于（该箱的高度(纵坐标y值) －左侧箱的高度）/ 该箱中样本个数；即此时纵坐标y值表示概率，但为累计概率；如图3、图4所示。
• 当箱的个数等于样本总数，即每个箱中只有一个样本时，取到任意一个样本的概率，在概率密度直方图中，等于该箱的高度 × 宽度；在累积分布直方图中，等于该箱的高度－左侧箱的高度。此时累积分布直方图趋近于累计分布函数(CDF)，但概率密度直方图中各箱顶点的连线通常并不趋近于概率密度函数(PDF)，因为在各个横坐标处，也就是样本的取值处，通常会存在离群的样本取值概率，也就是离群的纵坐标值；只有对该直方图取一定程度的平滑曲线，才趋近于概率密度函数；如图5、图6所示。

图1 bins=4的概率密度直方图


图2 bins=40的概率密度直方图


图3 bins=4的累积分布直方图


图4 bins=40的累积分布直方图


图5 bins等于样本总数时的概率密度直方图


图6 bins等于样本总数时的累积分布直方图

• 下面是绘图的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_regression


X, y_origin = make_regression(n_samples=10000, noise=100, random_state=0)  # create data
y_scale = (y_origin + abs(y_origin.min())) / 200  # shift and shrink
y_exp = np.expm1(y_scale)  # exp(x) - 1
y_log = np.log1p(y_exp)  # log(1 + x)
print(sum(y_scale - y_log < 1e-10) == len(y_origin))  # y_log is equal to y_scale

n_samples = 2500  # each bin has n_samples, so there are len(y_origin) / n_samples bins.

f, (ax0, ax1) = plt.subplots(1, 2)
ax0.hist(y_origin, bins=int(len(y_origin)/n_samples), density=True, cumulative=True)
ax0.set_title('y_origin')
ax1.hist(y_scale, bins=int(len(y_scale)/n_samples), density=True, cumulative=True)
ax1.set_title('y_scale')
f.suptitle("Synthetic data", y=0.06, x=0.53)
f.tight_layout(rect=[0.05, 0.05, 0.95, 0.95])
plt.show()

f, (ax0, ax1) = plt.subplots(1, 2)
ax0.hist(y_exp, bins=int(len(y_exp)/n_samples), density=True, cumulative=True)
# ax0.set_xlim([-100, 1700])
ax0.set_title('y_exp')
ax1.hist(y_log, bins=int(len(y_log)/n_samples), density=True, cumulative=True)
ax1.set_title('y_log')
f.suptitle("Synthetic data", y=0.06, x=0.53)
f.tight_layout(rect=[0.05, 0.05, 0.95, 0.95])
plt.show()