Seaborn | 绘制数据分布的两个函数distplot和countplot

distplot 和 countplot 是 seaborn（Seaborn）库中用于绘制数据分布的两个函数，它们各自有不同的用途和特点：

1. `distplot`（分布图）

distplot 函数用于绘制单变量的分布图。它可以显示数据的直方图（histogram）或核密度估计图（kernel density estimate, KDE）。distplot 默认情况下会根据数据类型自动选择显示直方图或KDE图，但你也可以通过参数来指定显示其中之一。

import seaborn as sns
import matplotlib.pyplot as plt# 假设 data 是一个包含 'Age' 列的 DataFrame
sns.distplot(data['Age'])
plt.show()

这将绘制 ‘Age’ 列的分布图，可以是直方图或KDE图，取决于 seaborn 的自动判断。

2. `countplot`（计数图）

countplot 函数用于绘制分类变量的计数图。它显示每个类别的计数，通常用于展示分类数据的分布情况。

# 假设 data 是一个包含 'Gender' 列的 DataFrame
sns.countplot(data['Gender'])
plt.show()

这将绘制 ‘Gender’ 列中每个类别的计数。

更多信息
想要更多了解关于分类函数的信息：Pandas | seaborn | countplot函数的使用

区别

用途：distplot 用于连续变量的分布，而 countplot 用于分类变量的计数。
显示内容：distplot 显示数据的分布密度，而 countplot 显示每个类别的计数。
参数：distplot 允许你选择显示直方图（kde=False）或KDE图（kde=True），而 countplot 没有这样的选项，因为它直接显示计数。

使用场景

当你想要查看一个连续变量的分布情况时，使用 distplot。
当你想要了解分类变量中每个类别的数量时，使用 countplot。

两者都是 seaborn 中非常有用的数据可视化工具，可以帮助你更好地理解数据集的特征。

实例

sns.set_style("whitegrid") # 白色背景和网格线
plt.figure(figsize=(15, 7))
plt.subplot(1, 2, 1)  # 一行两列显示 图像   显示第一个
sns.distplot(data['Age'], kde=False, bins=10)
plt.title(f'Age Distribution', fontsize=15)
plt.xlabel('Age', fontsize=12)
plt.ylabel('Count', fontsize=12)plt.subplot(1, 2, 2)
sns.countplot(data=data, x='Gender',order=data['Gender'].value_counts().index)
plt.title(f'Gender Distribution', fontsize=15)
plt.xlabel('Gender', fontsize=12)
plt.ylabel('Count', fontsize=12)
plt.xticks(rotation=0)plt.tight_layout()
plt.show()

在这里插入图片描述

plt.subplot(1, 1, 1)
sns.countplot(data=data, x='Gender',hue="Gender")
plt.title(f'Gender Distribution - hue', fontsize=15)
plt.xlabel('Gender', fontsize=12)
plt.ylabel('Count', fontsize=12)
plt.xticks(rotation=0)plt.tight_layout()
plt.show()