核密度图可以看作是概率密度图，其纵轴可以粗略看做是数据出现的次数，与横轴围成的面积是一.
法一：seaborn的kdeplot函数专门用于画核密度估计图.
参考：
import pandas as pdimport numpy as npimport matplotlib.pylab as pltimport osimport seaborn as sns## 有时候要FQ才能下载# df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv")# df.to_csv('../data/mpg_ggplot2.csv', index=False)df = pd.read_csv('../data/mpg_ggplot2.csv')print(df.info())print(df.shape)# Draw Plotplt.figure(figsize=(16,10), dpi= 90) # dpi用于设置输出figure中所有字体的大小# 将cyl列等于4的cty筛选出来做图sns.kdeplot(df.loc[df['cyl'] == 4, "cty"], shade=True, color="g", label="Cyl=4", alpha=0.5)sns.kdeplot(df.loc[df['cyl'] == 5, "cty"], shade=True, color="deeppink", label="Cyl=5", alpha=.5)sns.kdeplot(df.loc[df['cyl'] == 6, "cty"], shade=True, color="dodgerblue", label="Cyl=6", alpha=.5)sns.kdeplot(df.loc[df['cyl'] == 8, "cty"], shade=True, color="orange", label="Cyl=8", alpha=.5)# Decorationplt.title('Density Plot of City Mileage by n_Cylinders', fontsize=22)plt.legend()plt.show() displot()是将直方图和核密度图综合，
import pandas as pdimport numpy as npimport matplotlib.pylab as pltimport osimport seaborn as sns## 有时候要FQ才能下载# df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv")# df.to_csv('../data/mpg_ggplot2.csv', index=False)df = pd.read_csv('../data/mpg_ggplot2.csv')# distplot图是直方图hist()和核密度图kdeplot()图的合体，# bins参数用于调节直方图的数量# 官网链接：http://seaborn.pydata.org/generated/seaborn.distplot.html# 参数解释：http://www.sohu.com/a/158933070_718302plt.figure(figsize=(16,10), dpi= 90)sns.distplot(df.loc[df['cyl'] == 4, "cty"], color="g", label="Cyl=4", bins = 100 )sns.distplot(df.loc[df['cyl'] == 5, "cty"], color="deeppink", label="Cyl=5", bins= 10 )plt.legend()plt.show()
给定一组连续值的数据，将它们分成若干小段，统计每个小段中数据的个数，并画出它们的直方图和拟合曲线.
法二：利用seaborn中的包可以快速实现，这里的拟合曲线默认不是正态曲线，而是更好的拟合了数据的分布情况，但通过参数fit可以设置拟合正态曲线.
import seaborn as snsimport matplotlib.pyplot as pltimport numpy as npsns.set(style="ticks")from sklearn import datasetsfrom scipy.stats import normiris = datasets.load_iris() # 载入鸢尾花数据集x = iris.data[:,0] # 取narry中的第一列sns.set_palette("hls") #设置所有图的颜色，使用hls色彩空间# sns.distplot( x,color="r",bins=100,kde=True,)# hist=False)# hist和kde参数默认都是True,分别用于控制是否展现直方图和拟合的曲线图# fit可用于指定拟合正态分布，要导入from scipy.stats import normsns.distplot( x,bins=30, hist=True,kde_kws={ 'color': 'green', 'lw':3, 'label':'x'}, hist_kws={ 'color': 'red', 'alpha': 0.2})plt.show() 官网教程：
参考：
法三：利用round()函数保留小数点后一位或两位，再groupby作图，但效果远不如第一种.
f_train['VAR00007'] = f_train['VAR00007'].apply( lambda x: round(x, 1))f_train = f_train.groupby(['VAR00007'])['VAR00007'].agg(['count']).reset_index()f_train.sort_values(['VAR00007'], )ydata = f_train['VAR00007'].tolist()x = f_train['count'].tolist()ydata.sort(reverse=False)plt.scatter( ydata, x)plt.show()