seaborn kdeplot 核密度估计

 核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征

# coding=utf-8
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['font.serif'] = ['KaiTi']
plt.rcParams['axes.unicode_minus'] = False

x=np.random.randn(100)
print(x)
fig, axes =plt.subplots(1,4)
sns.kdeplot(x,ax=axes[0])
sns.kdeplot(x,ax=axes[1],cumulative=True)#累积分布
sns.kdeplot(x,ax=axes[2],shade=True)#kde曲线下面的区域中进行阴影处理
sns.kdeplot(x,ax=axes[3],vertical=True)#X轴进行绘制还是以Y轴进行绘制
plt.show()