Seaborn visualize ข้อมูล Kernel Density Estimation (KDE) ประมาณ probability density function ของ continuous random variable ใช้สำหรับ non-parametric analysis jointplot ถ้า kind='kde' จะพล็อต KDE plot
ตัวอย่าง
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x='petal_length', y='petal_width', data=my_df, kind='kde')
plt.show()
ผลลัพธ์
คำอธิบาย
- นำเข้าแพ็กเกจ
- โหลดข้อมูล 'iris' จาก seaborn
- เก็บใน DataFrame
- ใช้ 'jointplot' kind='kde' ระบุ x, y
- แสดง KDE plot
Jointplot แสดง bivariate distribution (KDE/contour) พร้อม univariate marginal distributions ด้านข้าง
