maxframe.dataframe.DataFrame.plot.kde

DataFrame.plot.kde(*args, **kwargs)

使用高斯核生成核密度估计图。

在统计学中，核密度估计 (KDE) 是一种非参数方法，用于估计随机变量的概率密度函数 (PDF)。 此函数使用高斯核，并包含自动带宽确定功能。

参数:

• bw_method (str, scalar or callable, optional) -- 用于计算估计器带宽的方法。可以是 'scott'、'silverman'、标量常数或可调用对象。如果为 None（默认），则使用 'scott'。更多信息请参见 scipy.stats.gaussian_kde。

• ind (NumPy array or int, optional) -- 用于评估估计 PDF 的点。如果为 None（默认），则使用 1000 个等间距点。如果 ind 是 NumPy 数组，则 KDE 会在传入的点上进行评估。如果 ind 是整数，则使用 ind 个等间距点。

• weights (NumPy array, optional) -- Weights of datapoints. This must be the same shape as datapoints. If None (default), the samples are assumed to be equally weighted.

• **kwargs -- 其他关键字参数请参见 DataFrame.plot()。

返回:

The matplotlib axes containing the KDE plot.

返回类型:

matplotlib.axes.Axes or numpy.ndarray of them

参见

scipy.stats.gaussian_kde

使用高斯核的核密度估计表示。这是内部用于估计 PDF 的函数。

示例

给定一个从未知分布中随机采样的点序列，使用 KDE 和自动带宽确定来估计其 PDF，并绘制结果，默认在 1000 个等间距点上进行评估：

(Source code)

可以指定标量带宽。使用较小的带宽值可能导致过拟合，而使用较大的带宽值可能导致欠拟合：

(Source code)

(Source code)

最后，ind 参数决定了估计 PDF 图的评估点：

(Source code)

对于 DataFrame，其工作方式相同：

(Source code)

可以指定标量带宽。使用较小的带宽值可能导致过拟合，而使用较大的带宽值可能导致欠拟合：

(Source code)

(Source code)

最后，ind 参数决定了估计 PDF 图的评估点：

(Source code)