Datawhale 8月 組隊學習活動（雖然已經(jīng)9月了）

參考書籍：《科研論文配圖繪制指南—— 基于Python》，寧海濤著，人民郵電出版社

PS：已開學，中心已向?qū)W校內(nèi)容為主

今天學校開始開Python課了，翻了一下教材目錄，其實也會提到初步的用Matplotlib庫的函數(shù)進行畫圖，已經(jīng)開始期待了。

一、密度圖

一般采用Seaborn 的 kdeplot() 函數(shù)結(jié)合 Scipy 庫中的 gaussian_kde() 函數(shù)繪制

scikit-learn 庫中 neighbors.KernelDensity() 模塊提供 Gaussian、Tophat、Epanechnikov、 Exponential、Linear 和 Cosine 6 種核函數(shù)來進行核密度估計計算。

KDEpy 庫提供了 9 種核函數(shù)，包括 Gaussian、Exponential、Box、Tri、Epa、Biweight、Triweight、Tricube、 Cosine等

二、Q-Q 圖和 P-P 圖

可以通過自定義函數(shù)的計算結(jié)果結(jié)合 Matplotlib 的 plot() 函數(shù)來繪制

第三方庫可以采用SciPy 庫中的 stats.probplot() 函數(shù)和 statsmodels 庫 中 graphics.gofplots.ProbPlot 類 的 qqplot()、 ppplot() 函數(shù)。

三、經(jīng)驗分布函數(shù)圖

一般采用Seaborn 庫中的 ecdfplot() 函數(shù)同時利用 statsmodels 庫中的 ECDF() 函數(shù)繪制的經(jīng)驗分布函數(shù)圖

四、代碼實現(xiàn)

統(tǒng)籌來看statsmodels庫逐漸起了大作用