核密度图vs直方图：原理/差异/代码实现

核密度图和直方图均为数据可视化工具，能够呈现数据分布状况，不过它们在原理与表现形式上存在差异。下面将对它们的原理、差异进行详细介绍，并给出代码示例。

1. 原理剖析

• 直方图：
  • 它把数据范围划分成若干个连续的小区间，也就是“箱子”。
  • 统计每个箱子内的数据点数量，以此来确定相应的频率或计数。
  • 最终用矩形条来展示这些统计结果，矩形条的高度代表频率或密度。
• 核密度估计（KDE）：
  • 这是一种非参数方法，用于对随机变量的概率密度函数进行估计。
  • 以每个数据点为中心放置一个核函数（像高斯核就是常用的一种），然后将所有核函数累加起来。
  • 累加后得到的平滑曲线就是概率密度函数的估计结果，曲线下方的总面积为 1。

2. 主要差异

3. 代码示例

下面为你提供 Python 语言绘制核密度图与直方图的代码示例：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300

# 生成示例数据（正态分布）
np.random.seed(42)
data = np.random.normal(loc=0, scale=1, size=1000)

# 创建画布
fig, axes = plt.subplots(1, 2, figsize=(12, 5))

# 绘制直方图
axes[0].hist(data, bins=30, density=True, alpha=0.7, color='skyblue')
axes[0].set_title('直方图')
axes[0].set_xlabel('值')
axes[0].set_ylabel('密度')

# 绘制核密度图
sns.kdeplot(data, ax=axes[1], color='orange', linewidth=2)
axes[1].set_title('核密度图')
axes[1].set_xlabel('值')
axes[1].set_ylabel('密度')

plt.tight_layout()
plt.show()

# 组合图：直方图 + 核密度图
plt.figure(figsize=(8, 6))
sns.histplot(data, bins=30, kde=True, stat='density', alpha=0.7, color='skyblue')
plt.title('直方图与核密度图组合')
plt.xlabel('值')
plt.ylabel('密度')
plt.show()

结果解读

• 直方图：从直方图中可以看到，它通过矩形条直观地展示了数据在各个区间内的分布频率。矩形条越高，说明该区间内的数据点越多。
• 核密度图：核密度图呈现出一条平滑的曲线，能够让我们更清晰地观察到数据分布的整体形状，比如是否呈现单峰、双峰等特征，以及数据的集中趋势和离散程度。
• 组合图：组合图将直方图和核密度图结合在一起，既能展示数据的原始分布情况，又能体现出数据分布的平滑趋势，有助于我们从多个角度分析数据。

通过这些可视化工具，我们可以更好地理解数据的分布特征，为后续的数据分析和建模工作提供有力支持。