问题描述
我想为每个特征直方图绘制每个 Iris 类的最佳拟合线。 我已经尝试了以下示例中的解决方案：1 和 2，但没有得到我想要的结果。
这是直方图现在的样子，也是我希望它们的样子，但每个类都有一条最佳拟合线。
这是我用来实现此目的的代码。
df2 = df.T
df2.columns = df2.iloc[0]
df2 = df2.iloc[1:].reset_index(drop=True)
df2.head(2)
解决方法
使用 seaborn，您可以通过 sns.histplot(...,kde=True) 添加 kde curve。下面是一个例子：
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import norm
import pandas as pd
sns.set()
iris = sns.load_dataset('iris')
# make the 'species' column categorical to fix the order
iris['species'] = pd.Categorical(iris['species'])
fig,axs = plt.subplots(2,2,figsize=(12,6))
for col,ax in zip(iris.columns[:4],axs.flat):
sns.histplot(data=iris,x=col,kde=True,hue='species',common_norm=False,legend=ax==axs[0,0],ax=ax)
plt.tight_layout()
plt.show()
sns.histplot() 的一些参数：
-
common_norm=：当True（默认）根据属于每个色调值的行数缩小每条曲线（或直方图）时 -
stat=：“计数”,“频率”,“密度”,“概率”`之一；确定 y 轴如何缩放 -
multiple=：“layer”：默认，都在同一个位置；“dodge”：条形相邻；“stack”：条形和/或曲线堆叠；“fill”: for each x-value the bars (and/or curves) are stacked to sum to1`。