pandas.Series.plot.density

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

Генерация графика оценки плотности ядра с использованием гауссовых ядер.

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

Параметры:

bw_method:str, скаляр или вызываемая функция, необязательно

Метод, используемый для вычисления ширины ядра. 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 массив или целое число, необязательно

Точки оценки для вычисленной функции плотности. Если None (по умолчанию), используются 1000 равноотстоящих точек. Если ind — это NumPy массив, KDE оценивается в указанных точках. Если ind — это целое число, используется ind количество равноотстоящих точек.

**kwargs

Дополнительные ключевые аргументы документированы в DataFrame.plot().

Возвращаемое значение:

matplotlib.axes.Axes или numpy.ndarray из них

См. также

scipy.stats.gaussian_kde

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

Примеры

Дана серия точек, случайным образом сгенерированных из неизвестного распределения, оцените его PDF с помощью KDE с автоматическим определением ширины ядра и постройте результаты, оценивая их в 1000 равноотстоящих точках (по умолчанию):

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

Можно указать скалярную ширину ядра. Использование небольшого значения ширины ядра может привести к переобучению, а использование большого значения ширины ядра 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 построения оценки PDF:

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

Для DataFrame, это работает аналогичным образом:

>>> df = pd.DataFrame({
...     'x': [1, 2, 2.5, 3, 3.5, 4, 5],
...     'y': [4, 4, 4.5, 5, 5.5, 6, 6],
... })
>>> ax = df.plot.kde()

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

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

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

Наконец, параметр ind определяет точки оценки для построения оценки PDF:

>>> ax = df.plot.kde(ind=[1, 2, 3, 4, 5, 6])