Cómo crear un gráfico de densidad

En RI puede crear la salida deseada haciendo:

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))

En python (con matplotlib) lo más cercano que obtuve fue con un histograma simple:

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()

yo también probé el parámetro normed=True pero no pudo obtener nada más que tratar de ajustar un gaussiano al histograma.

Mis últimos intentos estaban alrededor scipy.stats y gaussian_kdesiguiendo ejemplos en la web, pero hasta ahora no he tenido éxito.

Cinco años después, cuando busqué en Google “cómo crear un diagrama de densidad del kernel usando Python”, ¡este hilo todavía aparece en la parte superior!

Hoy en día, una forma mucho más fácil de hacer esto es usar nacido en el marun paquete que proporciona muchas funciones de trazado convenientes y una buena gestión de estilo.

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)

Sven ha mostrado cómo usar la clase. gaussian_kde de Scipy, pero notará que no se parece mucho a lo que generó con R. Esto se debe a que gaussian_kde intenta inferir el ancho de banda automáticamente. Puedes jugar con el ancho de banda de alguna manera cambiando la función covariance_factor del gaussian_kde clase. Primero, esto es lo que obtienes sin cambiar esa función:

Sin embargo, si uso el siguiente código:

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()

yo obtengo

que es bastante parecido a lo que obtienes de R. ¿Qué he hecho? gaussian_kde utiliza una función cambiable, covariance_factor para calcular su ancho de banda. Antes de cambiar la función, el valor devuelto por covariance_factor para estos datos era de aproximadamente 0,5. Reducir esto redujo el ancho de banda. tuve que llamar _compute_covariance después de cambiar esa función para que todos los factores se calculen correctamente. No es una correspondencia exacta con el parámetro bw de R, pero espero que lo ayude a ir en la dirección correcta.

Opción 1:

Usar pandas gráfico de marco de datos (construido sobre 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()

Opcion 2:

Usar distplot de 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)

Tal vez intente algo como:

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()

Puedes reemplazar fácilmente gaussian_kde() por una estimación diferente de la densidad del kernel.

El gráfico de densidad también se puede crear usando matplotlib: La función plt.hist(data) devuelve los valores de y y x necesarios para el gráfico de densidad (consulte la documentación https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.hist.html). Como resultado, el siguiente código crea un gráfico de densidad utilizando la biblioteca matplotlib:

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])      

Este código devuelve el siguiente diagrama de densidad

Puedes hacer algo como:

s = np.random.normal(2, 3, 1000)
import matplotlib.pyplot as plt
count, bins, ignored = plt.hist(s, 30, density=True)
plt.plot(bins, 1/(3 * np.sqrt(2 * np.pi)) * np.exp( - (bins - 2)**2 / (2 * 3**2) ), 
linewidth=2, color="r")
plt.show()