sns.distplot的KDE和直方图频率之间的差异

如何解决sns.distplot的KDE和直方图频率之间的差异

我从sns密度图中观察到的结果令人困惑。

的结果：

sns.distplot(subset['difference_ratio'],kde = True,label =label,hist=False).set(xlim=(0,1))

在下面：

结果：

sns.distplot(subset['difference_ratio'],kde = False,hist=True).set(xlim=(0,1))

在下面：

该图如何解释为类似行为？

解决方法

直方图的默认y轴显示每个箱中的样本数。 kdeplot的y轴将所有内容标准化，以使曲线下的总面积为1。设置norm_hist=True的操作类似于y轴：对所有值进行缩放，以使条形的面积总计为一。

直方图将所有样本置于每个bin边界之间，将落入该bin中。不能区分该值是落在容器的左侧，右侧还是中央。

另一方面，kde图会获取每个样本值，并在其上绘制一条小的高斯钟形曲线。然后，将所有钟形曲线求和，以形成最终曲线。钟形曲线具有一定的宽度，使kde曲线比直方图宽一些。通常，kdeplot假定基础分布相当平滑，并且在边缘附近缓慢变为零。

以下图比较了典型样本的直方图和kdeplot。样品以红色显示，在x轴上的位置和随机的y值（以避免过多的重叠）。

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

samples = np.clip(0.5 + np.random.uniform(-.2,.2,(10,10)).cumsum(axis=0).ravel(),1)

ax = sns.distplot(samples)

x,y = ax.lines[-1].get_data() # get the coordinates of the kde curve
ax.scatter(samples,[np.random.uniform(0,np.interp(samp,x,y)) for samp in samples],color='crimson')
plt.show()

请注意，kde曲线比直方图平滑得多，并且kde曲线不会突然变为零。

PS：要精确对齐两个（或多个）分布的分箱，请注意，分箱数是根据样本数计算得出的。而且边界是从样本数据中获取的。如果您确定两个样本集的最大值和最小值完全相同，则可以将bins=设置为相同的数字。

但是，通常，连续分布的极端情况有所不同。在这种情况下，您可以显式计算垃圾箱：

xmin = min(min(samples['Detractor']),min(samples['Promoter']))
xmax = max(max(samples['Detractor']),max(samples['Promoter']))
bins = np.linspace(xmin,xmax,10)

,

对于相同数据观察到的不同行为是因为在sns（季节性）kde图和sns直方图图中，bin的总数不同。默认情况下，seaborn distplot使用Freedman-Diaconis rule来计算bin，因此由于bin大小的差异，使图的形状变得不同。

现在，如果我使用：

 sns.distplot(subset['difference_ratio'],bins=10,kde = False,label =label,hist=True).set(xlim=(0,1))

输出图与kde图相同：