1.5 分布绘图

描述数据的第一步常常是看分布：单变量集中在哪个区间、是否对称、有没有长尾，两个变量是否相关、联合分布长什么样。Seaborn 的分布绘图系列提供直方图、核密度估计、经验累积分布、地毯图等单变量工具，以及联合分布图与配对分布图等多变量工具。本节先讲单变量分布，再讲双变量分布，最后讲 jointplot() 与 pairplot()。Seaborn 0.11 之后 distplot() 被拆分为 histplot() 与 kdeplot()，新代码统一使用拆分后的函数。

1.5.1 直方图 sns.histplot()

histplot() 把数据按区间分箱，统计每个箱内的数量并画成条：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 绘制 flipper_length_mm 的直方图
sns.histplot(data=penguins, x='flipper_length_mm')
plt.show()

常用参数：

参数	含义
bins	箱的数量，传整数或区间边界数组
binwidth	每个箱的宽度，指定后自动确定箱数
binrange	分箱范围 (min, max)，只统计区间内数据
stat	纵轴统计量：'count' 数量、'density' 密度、'probability' 概率、'percent' 百分比
kde	是否叠加核密度曲线
element	条的形状：'bars' 矩形、'step' 阶梯、'poly' 多边形
fill	是否填充颜色
multiple	多组叠加方式：'layer' 层叠、'dodge' 并排、'stack' 堆叠、'fill' 归一化堆叠

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 自定义箱数与统计量，叠加核密度曲线
sns.histplot(data=penguins, x='flipper_length_mm', bins=30,
             stat='density', kde=True, element='step', fill=False)
plt.show()

# 按物种用 hue 区分，multiple='stack' 堆叠显示
sns.histplot(data=penguins, x='flipper_length_mm', hue='species',
             multiple='stack')
plt.show()

stat='density' 让纵轴变为概率密度，直方图总面积等于 1，便于与核密度曲线对比；multiple 控制 hue 多组的叠加方式，'stack' 堆叠便于比较总数，'fill' 归一化便于比较比例。

1.5.2 核密度估计图 sns.kdeplot()

kdeplot() 用平滑曲线估计概率密度，不依赖分箱，适合观察分布的连续形状：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

sns.kdeplot(data=penguins, x='flipper_length_mm', fill=True)
plt.show()

常用参数：

参数	含义
bw_method	带宽计算方法，如 'scott'、'silverman' 或数值
bw_adjust	带宽缩放因子，大于 1 更平滑，小于 1 更贴合数据
cut	曲线延伸到数据范围外的距离
cumulative	是否画累积分布曲线
shade	旧参数，是否填充曲线下方，新版用 fill
fill	是否填充曲线下方区域
multiple	多组叠加方式，与直方图一致

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# bw_adjust 调小更贴合数据；cumulative=True 画累积分布
sns.kdeplot(data=penguins, x='flipper_length_mm', hue='species',
            bw_adjust=0.5, cumulative=True)
plt.show()

bw_adjust 控制平滑程度，调小会出现更多细节、调大更平滑；cumulative=True 把曲线变为累积分布函数；fill=True 填充曲线与横轴之间的区域，读图更直观。

1.5.3 经验累积分布图 sns.ecdfplot()

ecdfplot() 画经验累积分布函数，横轴是数值，纵轴是小于等于该值的样本比例：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

sns.ecdfplot(data=penguins, x='flipper_length_mm')
plt.show()

常用参数：

参数	含义
stat	纵轴统计量：'count' 累积数量、'proportion' 累积比例、'percent' 累积百分比
complementary	是否画互补累积分布（大于该值的比例）

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 画互补累积分布，观察右侧尾部分布
sns.ecdfplot(data=penguins, x='flipper_length_mm',
             stat='percent', complementary=True)
plt.show()

ecdfplot() 无任何平滑参数，忠实反映每个数据点，适合大数据量下快速判断分位数与分布形状；complementary=True 反映超过某一阈值的比例。

1.5.4 地毯图 sns.rugplot()

rugplot() 在坐标轴上画细短线（地毯须），标记每个数据点的位置：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

sns.rugplot(data=penguins, x='flipper_length_mm', height=0.1)
plt.show()

常用参数：

参数	含义
height	地毯须的高度比例
expand_margins	是否扩大坐标轴边距以容纳地毯须
hue	按分类给地毯须着色

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 地毯图叠加直方图，展示每个点的精确位置
sns.histplot(data=penguins, x='flipper_length_mm')
sns.rugplot(data=penguins, x='flipper_length_mm')
plt.show()

height 控制须线长度，expand_margins=False 时取消多余的边距。地毯图单独使用信息量有限，常叠加在直方图或核密度图上补充原始数据的位置信息。

1.5.5 双变量直方图与核密度图

两个数值变量同时传入 x 与 y 时，histplot() 与 kdeplot() 自动绘制二维分布：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 二维直方图，颜色深浅代表箱内计数
sns.histplot(data=penguins, x='bill_length_mm', y='bill_depth_mm')
plt.show()

# 二维核密度图，等高线表示密度层次
sns.kdeplot(data=penguins, x='bill_length_mm', y='bill_depth_mm',
            fill=True, levels=8)
plt.show()

二维 histplot() 把二维平面分成网格箱，颜色深浅表示箱内计数；二维 kdeplot() 估计联合密度，fill=True 填充等高线之间的区域，levels 控制等高线的层数。两者的 hue、multiple 等参数在二维场景下的行为有差异，常用场景是观察两个数值变量的联合分布与相关结构。

1.5.6 联合分布图 sns.jointplot()

jointplot() 把双变量分布画成一张复合图：中央是二维图，上、右侧各画一个变量的单变量分布（默认直方图）：

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

sns.jointplot(data=penguins, x='bill_length_mm', y='bill_depth_mm')
plt.show()

kind 控制中央图形的类型：

kind	中央图形
'scatter'	散点图（默认）
'hist'	二维直方图
'kde'	二维核密度图
'hex'	六边形分箱图，适合大数据量
'reg'	散点图加回归线
'resid'	回归残差图

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

# 六边形分箱适合大数据量；kde 显示联合密度
sns.jointplot(data=penguins, x='bill_length_mm', y='bill_depth_mm', kind='hex')
plt.show()

sns.jointplot(data=penguins, x='bill_length_mm', y='bill_depth_mm',
              kind='kde', fill=True)
plt.show()

常用参数：marginal_kws 传给边缘子图的参数字典（如直方图的 bins），joint_kws 传给中央子图的参数字典，dropna 决定是否丢弃含缺失值的行。jointplot() 只展示两个变量的联合关系，想同时看更多变量用下一节的 pairplot()。

1.5.7 配对分布图 sns.pairplot()

pairplot() 把数据集中所有数值列两两组合画成矩阵：对角线是每个变量的单变量分布，非对角线是两两的散点图：

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')

sns.pairplot(data=iris, hue='species')
plt.show()

hue 传入分类列后，矩阵中每个子图按分类着色，对角线分布也按分类叠加，整体观察不同组在各维度上的分离程度。常用参数：

参数	含义
diag_kind	对角线图形：'auto'、'hist'、'kde'、None
kind	非对角线图形：'scatter'、'kde'、'hist'、'reg'
corner	True 只画矩阵下三角，减少子图数量
plot_kws	传给非对角线子图的参数字典
diag_kws	传给对角线子图的参数字典
vars	指定参与绘图的列子集

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')

# corner=True 只画下三角；diag_kind='kde' 对角线用密度曲线
sns.pairplot(data=iris, hue='species', corner=True,
             diag_kind='kde', kind='scatter')
plt.show()

diag_kind 控制对角线用什么单变量图，None 表示不画对角线；kind 控制非对角线两两图，'reg' 会在散点图加回归线；corner=True 只保留下三角，变量多时显著减少子图数量。变量过多时用 vars 挑选关键列，避免矩阵过大。

练习题

第1题 概念理解

说明 histplot() 与 kdeplot() 的区别；说明 stat 参数各取值（count、density、probability、percent）的含义；说明 jointplot() 与 pairplot() 各自适合什么场景。

参考答案

histplot() 按分箱统计数量，kdeplot() 用平滑曲线估计密度。stat 控制纵轴含义：count 是箱内数量，density 是概率密度（总面积 1），probability 是概率，percent 是百分比。jointplot() 聚焦两个变量的联合分布，pairplot() 同时展示多个变量的两两关系矩阵。

第2题 代码编写

用 penguins 数据集分别绘制 flipper_length_mm 的直方图（叠加核密度）、核密度图、经验累积分布图和地毯图；再用 jointplot 绘制 bill_length_mm 与 bill_depth_mm 的散点联合分布。

参考答案

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')

sns.histplot(data=penguins, x='flipper_length_mm', kde=True)
plt.show()

sns.kdeplot(data=penguins, x='flipper_length_mm', fill=True)
plt.show()

sns.ecdfplot(data=penguins, x='flipper_length_mm')
plt.show()

sns.histplot(data=penguins, x='flipper_length_mm')
sns.rugplot(data=penguins, x='flipper_length_mm')
plt.show()

sns.jointplot(data=penguins, x='bill_length_mm', y='bill_depth_mm')
plt.show()

第3题 进阶练习

用 penguins 数据集按 species 分组，绘制 hue 区分的堆叠直方图与核密度图；用 jointplot 的 kind='kde' 展示联合密度；用 pairplot 对 iris 数据集按物种着色，并尝试 corner=True 与 diag_kind='kde' 的配置。

参考答案

import seaborn as sns
import matplotlib.pyplot as plt

penguins = sns.load_dataset('penguins')
iris = sns.load_dataset('iris')

sns.histplot(data=penguins, x='flipper_length_mm', hue='species',
             multiple='stack')
plt.show()

sns.kdeplot(data=penguins, x='flipper_length_mm', hue='species', fill=True)
plt.show()

sns.jointplot(data=penguins, x='bill_length_mm', y='bill_depth_mm',
              kind='kde', fill=True)
plt.show()

sns.pairplot(data=iris, hue='species', corner=True, diag_kind='kde')
plt.show()

常见错误

错误 1 · 调用 sns.distplot() 报 AttributeError

原因:Seaborn 0.11 起 distplot() 被移除,拆分成了 histplot() 与 kdeplot()。

解决:改用 histplot()（带 kde=True 可叠加核密度）或 kdeplot()。

错误 2 · 直方图与核密度曲线高度对不上

原因:纵轴 stat 不同,直方图默认 count 而核密度是概率密度,量纲不一致。

解决:把直方图设为 stat='density',让两者同处概率密度量纲再叠加。

错误 3 · jointplot() 想传 bins 给中央直方图没生效

原因:bins 等参数属于中央子图,jointplot() 不直接透传。

解决:用 joint_kws={'bins': 30} 传入中央子图,用 marginal_kws 配置边缘子图。

错误 4 · pairplot() 画出的矩阵太大看不清

原因:变量列数多时两两组合暴增,子图数量平方级增长。

解决:用 corner=True 只画下三角,或先用 vars 挑选关键列。

错误 5 · 数据含缺失值时分布图出现缺口或报错

原因:缺失值不参与分箱与密度估计,二维绘图时还可能导致位置错位。

解决:先 dropna() 清洗,或给绘图函数传 dropna=True 参数。