Seaborn 库中的直方图、计数图和分布图之间的主要区别是什么？

Question

我认为它们看起来都一样，但肯定有一些不同。

它们都以单列作为输入，y 轴包含所有图的计数。

Answer 1

那些绘图函数pyplot.hist、seaborn.countplot 和seaborn.displot 都是绘制单个变量频率的辅助工具。根据这个变量的性质，它们可能或多或少适合可视化。

连续变量

可以对连续变量x 进行直方图以显示频率分布。

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(100)*100
hist, edges = np.histogram(x, bins=np.arange(0,101,10))
plt.bar(edges[:-1], hist, align="edge", ec="k", width=np.diff(edges))

plt.show()

同样可以使用pyplot.hist或seaborn.distplot实现，

plt.hist(x, bins=np.arange(0,101,10), ec="k")

或

sns.distplot(x, bins=np.arange(0,101,10), kde=False, hist_kws=dict(ec="k"))

distplot 包装 pyplot.hist，但除此之外还有一些其他功能，例如显示核密度估计。

离散变量

对于离散变量，直方图可能合适，也可能不合适。如果您使用 numpy.histogram，则 bin 需要正好位于预期的离散观测值之间。

x1 = np.random.randint(1,11,100)

hist, edges = np.histogram(x1, bins=np.arange(1,12)-0.5)
plt.bar(edges[:-1], hist, align="edge", ec="k", width=np.diff(edges))
plt.xticks(np.arange(1,11))

也可以计算 x 中的唯一元素，

u, counts = np.unique(x1, return_counts=True)
plt.bar(u, counts, align="center", ec="k", width=1)
plt.xticks(u)

导致与上面相同的情节。主要区别在于并非所有可能的观察都被占用的情况。假设5 甚至不是您数据的一部分。直方图方法仍会显示它，但它不是唯一元素的一部分。

x2 = np.random.choice([1,2,3,4,6,7,8,9,10], size=100)

plt.subplot(1,2,1)
plt.title("histogram")
hist, edges = np.histogram(x2, bins=np.arange(1,12)-0.5)
plt.bar(edges[:-1], hist, align="edge", ec="k", width=np.diff(edges))
plt.xticks(np.arange(1,11))

plt.subplot(1,2,2)
plt.title("counts")
u, counts = np.unique(x2, return_counts=True)
plt.bar(u.astype(str), counts, align="center", ec="k", width=1)

后者是seaborn.countplot 所做的。

sns.countplot(x2, color="C0")

因此适用于离散或分类变量。

总结

所有函数 pyplot.hist、seaborn.countplot 和 seaborn.displot 都充当 matplotlib 条形图的包装器，如果认为手动绘制此类条形图过于繁琐，则可以使用。
对于连续变量，可以使用pyplot.hist 或seaborn.distplot。对于离散变量，seaborn.countplot 更方便。