Python数据可视化之数据密度分布

Python数据可视化（一）

之数据密度分布

数据密度分布是数据的主要特征之一，Python中有几种方法可以对数据密度进行可视化。在此利用小鼠胚胎干细胞基因表达谱作为例子：

1. 利用直方图（histgram)

Histogram 为最常用的查看密度分布可视化方法，利用matplotlib 中 hist 函数即可。
plt.hist(TData, bins=50, color='steelblue', normed=True )

2. 利用Seaborn

Hist 函数能够粗略估计数据密度，通过bins调节精细程度。如果想给数据一个更精确的拟合曲线，通过计算拟合函数，用matplotlib画出来，当然也可以，但比较麻烦。Seaborn 可以很方便的画出直方图，拟合曲线。

import seaborn as sns
sns.distplot(TData, rug=True

也可以不要直方图，仅保留拟合曲线：

sns.distplot(TData, rug=True, hist=False)

3. 利用sklearn KernelDensity

对于高维数据，可以利用Sklearn KernelDensity拟合数据密度，Kernel包括几种不同的方法，guassin, tophat, cosine等。下图为SKlearn给出的一个例子：

kde = KernelDensity(kernel=kernel, bandwidth=1.0).fit(X)
dens = kde.score_samples(X_plot)

结语：本文仅讨论了一维数据的密度分布，对于高维数据如何评价密度并可视化，将会是更加有趣的事情，之后进行进一步探索。