模拟已弃用的 seaborn distplots

Question

Seaborn distplot is now deprecated and will be removed in a future version. It is suggested to use histplot (or displot 作为图形级别的情节）作为替代。但是 distplot 和 histplot 之间的预设不同：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
sns.histplot(data=df, x="X", ax=ax_hist)
ax_hist.set_title("new histplot")

plt.show()

那么，我们如何配置 histplot 来复制已弃用的 distplot 的输出？

Answer 1

因为我花了一些时间在这上面，我想我分享这个以便其他人可以轻松地适应这种方法：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
_, FD_bins = np.histogram(x_list, bins="fd")
bin_nr = min(len(FD_bins)-1, 50)
sns.histplot(data=df, x="X", ax=ax_hist, bins=bin_nr, stat="density", alpha=0.4, kde=True, kde_kws={"cut": 3})
ax_hist.set_title("new histplot")

plt.show()

示例输出：

主要变化是

bins=bin_nr - 使用 Freedman 确定直方图 bin Diaconis Estimator 并将上限限制为 50
stat="density" - 在直方图中显示密度而不是计数
alpha=0.4 - 相同的透明度
kde=True - 添加核密度图
kde_kws={"cut": 3} - 将核密度图扩展到直方图限制之外

关于bins="fd"的bin估计，我不确定这是否确实是distplot使用的方法。非常欢迎评论和更正。

我删除了 **{"linewidth": 0} 因为 distplot 正如@mwaskom 在评论中指出的那样，直方图条周围有一条 edgecolor 线，可以由 matplotlib 设置为默认值facecolor。因此，您必须根据自己的风格偏好来解决这个问题。

模拟已弃用的 seaborn distplots

Emulating deprecated seaborn distplots

python

matplotlib

histogram

kernel-density

seaborn