pandas.Series.plot.kde

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

Генерирует график оценки плотности ядра с использованием гауссовых ядер.

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

Параметры:

bw_method:str, скаляр или вызываемый объект, необязательно

Метод, используемый для расчёта ширины полосы оценщика. Может быть ‘scott’, ‘silverman’, скалярной константой или вызываемым объектом. Если None (по умолчанию), используется ‘scott’. Для получения дополнительной информации см. scipy.stats.gaussian_kde.

ind:Массив NumPy или целое число, необязательно

Точки оценки для рассчитанной PDF. Если None (по умолчанию), используются 1000 равномерно распределённых точек. Если ind является массивом NumPy, KDE вычисляется в указанных точках. Если ind — целое число, используется ind количество равномерно распределённых точек.

**kwargs

Дополнительные ключевые параметры описаны в DataFrame.plot().

Возвращает:

matplotlib.axes.Axes или массив NumPy таких объектов

См. также

scipy.stats.gaussian_kde

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

Примеры

Дана серия точек, случайно выбранных из неизвестного распределения, оценим его PDF с помощью KDE с автоматическим определением ширины полосы и построим результаты, оценивая их в 1000 равномерно распределённых 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 малой ширины полосы может привести к переобучению, а использование большой 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])

Для DataFrame работает аналогично:

>>> 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 полосы. Использование малой ширины полосы может привести к переобучению, а использование большой ширины полосы 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 графика рассчитанной PDF:

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