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();