การแสดง Histogram ด้วย Seaborn ใน Python

Histogram แสดงการกระจายตัวของข้อมูลตัวเลข (Numerical Distribution) โดยแบ่งเป็น Bins และนับความถี่

Seaborn ใช้ distplot() (Deprecated) หรือ histplot() / displot(kind='hist') (แนะนำ) สำหรับ Histogram

ตัวอย่างโค้ด (distplot - เก่า)

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

df = sb.load_dataset('iris')
sb.distplot(df['petal_length'], kde=False)
plt.show()

ผลลัพธ์

คำอธิบาย

• โหลดข้อมูล Iris

• distplot(data, kde=False) แสดง Histogram เท่านั้น (kde=False ปิด KDE)

วิธีใหม่แนะนำ: histplot() / displot()

import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset('iris')

# 1. histplot - แสดงบน Axes เดียว
sns.histplot(data=df, x='petal_length', bins=20, kde=False)
plt.title("Petal Length Histogram")
plt.show()

# 2. displot - Figure-level (แยก Figure เอง)
sns.displot(data=df, x='petal_length', kind='hist', bins=20)
plt.show()

# 3. แยกตาม Hue (Species)
sns.histplot(data=df, x='petal_length', hue='species', multiple='stack', bins=20)
plt.show()

# 4. กำหนด Bin Edges เอง
import numpy as np
bins = np.linspace(0, 7, 15)
sns.histplot(data=df, x='petal_length', bins=bins)
plt.show()

พารามิเตอร์สำคัญ histplot/displot

การเลือกจำนวน Bins

# Rules of thumb
# Sturges: log2(n) + 1
# Rice: 2 * n**(1/3)
# Scott: 3.5 * std / n**(1/3)
# Freedman-Diaconis: 2 * IQR / n**(1/3)

# Seaborn ใช้ 'auto' (Max of Sturges และ Freedman-Diaconis)
sns.histplot(data, bins='auto')