绘制具有正常曲线的直方图并命名为seaborn中的箱

Question

大家好，我正在尝试使用具有不同数据集的seaborn绘制以下类型的绘图。问题是当使用直方图类型时，即使它提供了内核曲线，我也无法命名区域（如2-2.5,2.5-3..etc）。条形图没有绘制正常曲线的功能，如图中所示。图像似乎是使用SPSS统计包，我对它知之甚少。

以下是我能得到的最接近的东西（我附上了代码）

df = pd.DataFrame({'cat': ['1-1.5', '1.5-2', '2-2.5','2.5-3','3-3.5','3.5-4','4-4.5','4.5-5'],'val': [0,0,1,7,7,33,17,10]})
ax = sns.barplot(y = 'val', x = 'cat', 
              data = df)
ax.set(xlabel='Categories', ylabel='Frequency')
plt.show()

Answer 1

所以问题当然是你没有原始数据，而是已经分箱的数据。可以反转此分箱并从一组原始数据开始。然后再次执行直方图并使用sns.distplot，默认情况下也会显示KDE图。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

cat = ['1-1.5', '1.5-2', '2-2.5','2.5-3','3-3.5','3.5-4','4-4.5','4.5-5']
val = [0,0,1,7,7,33,17,10]
data = []
for i in range(len(cat)):
    data.extend([1.25+i*0.5]*val[i])
bins = np.arange(1,5.5, 0.5)

ax = sns.distplot(data, bins=bins, hist_kws= dict(edgecolor="k"))
ax.set(xlabel='Categories', ylabel='Frequency')
ax.set_xticks(bins[:-1]+0.25)
ax.set_xticklabels(cat)

plt.show()

使用KDE函数的bw关键字参数来设置曲线的平滑度。例如。 sns.distplot(data, bins=bins, kde_kws=dict(bw=0.5), hist_kws= dict(edgecolor="k"))生成bw=0.5

还可以尝试bw=0.1，bw=0.25，bw=0.35和bw=2来查看差异。