代码之家 › 专栏 › 技术社区 › Shuvayan Das

在python中使用seaborn显示分布图上的峰度、偏度等指标

seaborn python

Shuvayan Das · 技术社区 · 6 年前

我有以下数据:

coll_prop_perioration coll_prop_12M coll_prop_6M coll_prop_3M
0.04 0.04 0.06 0.08
0 0 0 0 0
0 0 0 0 0
0.06 0.06 0.1 0
0.38 0.38 0.25 0
0.61 0.61 0.66 0.61
0.01 0.01 0.02 0.02
0.1 0.1 0.12 0.16
0.04 0.04 0.04 0.09
0.22 0.22 0.22 0.22
0.72 0.72 0.73 0.72
0.39 0.39 0.45 0.64
我正在使用Seaborn的Distplot绘制以下分布:

######################## density plot #########################################
f,axes=plt.子批次(2,2,figsize=(7,7),sharex=true)
sns.distprot(数据[cols_viz[0]],color=“SkyBlue”,ax=axs[0,0])
print(“歪斜度:%f”%data[cols-viz[0]].skew())
print(“峰度:%f”%data[cols-viz[0]].kurt())

sns.distplot(数据[cols_viz[1]],color=“olive”,ax=轴[0,1])
print(“歪斜度:%f”%data[cols-viz[1]].skew())
print(“峰度:%f”%data[cols-viz[1]].kurt())
sns.distplot(数据[cols_viz[2]],color=“gold”,ax=轴[1,0])
sns.distprot(数据[cols_viz[3]],color=“teal”,ax=轴[1,1])
请显示())


这确实为我提供了值,但我希望它们出现在相应的图中。


我该怎么做?有人能帮我吗?

我正在使用Seaborn的Distplot绘制以下分布:

######################## density plot #########################################
f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)
sns.distplot( data[cols_viz[0]] , color="skyblue", ax=axes[0, 0])
print("Skewness: %f" % data[cols_viz[0]].skew())
print("Kurtosis: %f" % data[cols_viz[0]].kurt())

sns.distplot( data[cols_viz[1]] , color="olive", ax=axes[0, 1])
print("Skewness: %f" % data[cols_viz[1]].skew())
print("Kurtosis: %f" % data[cols_viz[1]].kurt())
sns.distplot( data[cols_viz[2]] , color="gold", ax=axes[1, 0])
sns.distplot( data[cols_viz[3]] , color="teal", ax=axes[1, 1])
plt.show()




这确实给了我一些值,但我希望它们出现在相应的图中。

我该怎么做?有人能帮我吗?

1 回复 | 直到 6 年前

MMelnicki 6 年前

您可以使用 ax.text() 直接在绘图上打印文本。


    
     
      使用
      
       'transform=ax.transaxs->code>作为
       
        ax.text()的参数,命令将允许您缩放轴,以便文本框的位置可以始终相同;我使用x=0.97和y=0.91粗略地在右上角获取它
       
      
     
     
      
       
        这是测向仪:
       
       ‘coll_prop_6M’:0:0.06,1:0.0,2:0.0,3:0.1,4:0.25,5:0.66,6:0.02,7:0.12,8:0.04,9:0.22,10:0.73,11:0.45,\
       
        
sns.distplot(data.iloc[:,0],color=“SkyBlue”,ax=轴[0,0])
sns.distplot(data.iloc[:,2],color=“gold”,ax=轴[1,0])
对于i,ax表示枚举(axs.remaze(-1)):
背景色='white',颜色='xkcd:poo brown')
fontweight='demibold',fontsize=10,verticalAlignment='top',horizontalAlignment='right',\
请紧凑布局(

唱for i, ax in enumerate(axes).reshape(-1)i范围从1-4。
.iloc[:,i]
使用'transform=ax.transAxes命令允许您缩放轴,以便文本框的位置始终相同;我使用x=0.97和y=0.91粗略地将其置于右上角


   
    
     
      
       
       
       data = pd.DataFrame({'coll_prop_tenure': {0: 0.04, 1: 0.0, 2: 0.0, 3: 0.06, 4: 0.38, 5: 0.61, 6: 0.01, 7: 0.1, 8: 0.04, 9: 0.22, 10: 0.72, 11: 0.39}, \
                    'coll_prop_12m': {0: 0.04, 1: 0.0, 2: 0.0, 3: 0.06, 4: 0.38, 5: 0.61, 6: 0.01, 7: 0.1, 8: 0.04, 9: 0.22, 10: 0.72, 11: 0.39}, \
                    'coll_prop_6m': {0: 0.06, 1: 0.0, 2: 0.0, 3: 0.1, 4: 0.25, 5: 0.66, 6: 0.02, 7: 0.12, 8: 0.04, 9: 0.22, 10: 0.73, 11: 0.45}, \
                    'coll_prop_3m': {0: 0.08, 1: 0.0, 2: 0.0, 3: 0.0, 4: 0.0, 5: 0.61, 6: 0.02, 7: 0.16, 8: 0.09, 9: 0.22, 10: 0.72, 11: 0.64}})

       
        代码如下:
       
       f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)
sns.distplot(data.iloc[:,0], color="skyblue", ax=axes[0,0])
sns.distplot(data.iloc[:,1], color="olive", ax=axes[0,1])
sns.distplot(data.iloc[:,2], color="gold", ax=axes[1,0])
sns.distplot(data.iloc[:,3], color="teal", ax=axes[1,1])
for i, ax in enumerate(axes.reshape(-1)):
    ax.text(x=0.97, y=0.97, transform=ax.transAxes, s="Skewness: %f" % data.iloc[:,i].skew(),\
        fontweight='demibold', fontsize=10, verticalalignment='top', horizontalalignment='right',\
        backgroundcolor='white', color='xkcd:poo brown')
    ax.text(x=0.97, y=0.91, transform=ax.transAxes, s="Kurtosis: %f" % data.iloc[:,i].kurt(),\
        fontweight='demibold', fontsize=10, verticalalignment='top', horizontalalignment='right',\
        backgroundcolor='white', color='xkcd:dried blood')
plt.tight_layout()