pandas.Series.plot.density

Series.plot.density(bw_method=None, ind=None, **kwds) [source]

Генерация графика оценки плотности ядра с использованием гауссовских ядер.

В статистике оценка плотности ядра (KDE) — это непараметрический метод оценки функции плотности вероятности (PDF) случайной величины. Эта функция использует гауссовские ядра и включает автоматическое определение ширины полосы.

Параметры:

bw_method : str, scalar or callable, optional Метод, используемый для вычисления ширины полосы оценки. Это может быть ‘scott’, ‘silverman’, скалярная константа или вызываемая функция. Если None (по умолчанию), используется ‘scott’. См. scipy.stats.gaussian_kde для получения дополнительной информации. ind : NumPy array or integer, optional Точки оценки для рассчитанной PDF. Если None (по умолчанию), используются 1000 равноудаленных точек. Если ind — массив NumPy, KDE оценивается в указанных точках. Если ind — целое число, используются ind равноудаленных точек. **kwds : optional Дополнительные ключевые аргументы документированы в pandas.Series.plot().

Возвращает:

axes : matplotlib.axes.Axes or numpy.ndarray of them

См. также

scipy.stats.gaussian_kde

Представление оценки плотности ядра с использованием гауссовских ядер. Это функция, используемая внутри для оценки PDF.

DataFrame.plot.kde

Генерация графика KDE для DataFrame.

Примеры

Учитывая Series точек, случайно взятых из неизвестного распределения, оцените его PDF с помощью KDE с автоматическим определением ширины полосы и нарисуйте результаты, оценивая их в 1000 равноудаленных точках (по умолчанию):

>>> s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5])
>>> ax = s.plot.kde()

Можно указать скалярную ширину полосы. Использование небольшого значения ширины полосы может привести к переобучению, а использование большого значения ширины полосы может привести к недообучению:

>>> ax = s.plot.kde(bw_method=0.3)

>>> ax = s.plot.kde(bw_method=3)

Наконец, параметр ind определяет точки оценки для графика рассчитанной PDF:

>>> ax = s.plot.kde(ind=[1, 2, 3, 4, 5])