matplotlibで密度プロットを作成する方法は？

RIでは、次のようにして目的の出力を作成できます。

data = c(rep(1.5, 7), rep(2.5, 2), rep(3.5, 8),
         rep(4.5, 3), rep(5.5, 1), rep(6.5, 8))
plot(density(data, bw=0.5))

python（matplotlibを使用）では、最も近いのは単純なヒストグラムです。

import matplotlib.pyplot as plt
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
plt.hist(data, bins=6)
plt.show()

normed = Trueパラメータも試してみましたが、ガウス分布をヒストグラムに当てはめる以外の方法はありませんでした。

私の最新の試みは周りだったscipy.statsとgaussian_kde、ウェブ上の例は以下のが、私はこれまで成功してきました。

Svenはgaussian_kdeScipyからクラスを使用する方法を示しましたが、Rで生成したものとはかなり似ていないことに気づくでしょう。これはgaussian_kde、帯域幅を自動的に推測しようとするためです。クラスの機能covariance_factorを変えることで、ある帯域幅で遊ぶことができgaussian_kdeます。まず、その機能を変更せずに得られるものを次に示します。

ただし、次のコードを使用した場合：

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
density = gaussian_kde(data)
xs = np.linspace(0,8,200)
density.covariance_factor = lambda : .25
density._compute_covariance()
plt.plot(xs,density(xs))
plt.show()

私は得る

これはあなたがRから得ているものにかなり近いです。私は何をしましたか？gaussian_kde変更可能な関数を使用して、covariance_factorその帯域幅を計算します。関数を変更する前は、このデータに対してcovariance_factorによって返された値は約0.5でした。これを下げると帯域幅が下がります。_compute_covarianceすべての因子が正しく計算されるように、その関数を変更した後で呼び出す必要がありました。Rのbwパラメータと正確に対応しているわけではありませんが、うまくいけば、正しい方向に進むのに役立ちます。

5年後、Googleが「Pythonを使用してカーネル密度プロットを作成する方法」をGoogleにしても、このスレッドはまだトップに表示されています。

今日、これを行うはるかに簡単な方法は、多くの便利なプロット機能と優れたスタイル管理を提供するパッケージであるseabornを使用することです。

import numpy as np
import seaborn as sns
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
sns.set_style('whitegrid')
sns.kdeplot(np.array(data), bw=0.5)

オプション1：

pandasデータフレームプロットを使用（上に構築matplotlib）：

import pandas as pd
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
pd.DataFrame(data).plot(kind='density') # or pd.Series()

オプション2：

使用distplotのseaborn：

import seaborn as sns
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
sns.distplot(data, hist=False)

多分次のようなことを試してください：

import matplotlib.pyplot as plt
import numpy
from scipy import stats
data = [1.5]*7 + [2.5]*2 + [3.5]*8 + [4.5]*3 + [5.5]*1 + [6.5]*8
density = stats.kde.gaussian_kde(data)
x = numpy.arange(0., 8, .1)
plt.plot(x, density(x))
plt.show()

gaussian_kde()別のカーネル密度推定値で簡単に置き換えることができます。

密度プロットは、matplotlibを使用して作成することもできます。関数plt.hist（data）は、密度プロットに必要なy値とx値を返します（ドキュメントhttps://matplotlib.org/3.1.1/api/_as_gen/を参照）matplotlib.pyplot.hist.html）。その結果、次のコードは、matplotlibライブラリを使用して密度プロットを作成します。

import matplotlib.pyplot as plt
dat=[-1,2,1,4,-5,3,6,1,2,1,2,5,6,5,6,2,2,2]
a=plt.hist(dat,density=True)
plt.close()
plt.figure()
plt.plot(a[1][1:],a[0])      

このコードは、次の密度プロットを返します