### Python 中 `kdeplot` 函数的参数及其用法 `kdeplot` 是 Seaborn 库中的一个重要函数，用于绘制核密度估计 (Kernel Density Estimate, KDE) 图形。它可以帮助可视化单变量或多变量数据的概率密度分布情况。以下是关于该函数的主要参数以及其具体用途： #### 主要参数说明 1. **data**: 输入的数据集，可以是一个一维数组、列表或者 Pandas 的 Series 对象[^2]。 - 示例：`sns.kdeplot(data=tips['total_bill'])` 2. **shade**: 布尔值，默认为 False。如果设为 True，则会在 KDE 曲线下填充颜色以表示概率密度范围。 - 示例：`sns.kdeplot(data=tips['total_bill'], shade=True)` 3. **bw_method**: 控制带宽的选择方式，影响平滑程度。可以选择字符串（如 'scott' 或 'silverman'），也可以指定具体的数值作为带宽大小。 - 示例：`sns.kdeplot(data=tips['total_bill'], bw_method=0.5)` 4. **cut**: 定义曲线超出数据范围的部分长度倍数，默认值为 3。较大的 cut 值会使曲线延伸得更远。 - 示例：`sns.kdeplot(data=tips['total_bill'], cut=5)` 5. **vertical**: 如果设置为 True，则会将 KDE 绘制成垂直方向上的分布图[^2]。 - 示例：`sns.kdeplot(data=tips['tip'], vertical=True)` 6. **cumulative**: 当此选项被激活时，将会展示累积分布函数(CDF)，而不是普通的 PDF[^2]。 - 示例：`sns.kdeplot(data=tips['size'], cumulative=True)` 7. **color**: 设置线条的颜色属性[^2]。 - 示例：`sns.kdeplot(data=tips['total_bill'], color='red')` 8. **label**: 添加到图形 legend 上的文字描述信息。 - 示例：`sns.kdeplot(data=tips['total_bill'], label='Total Bill Distribution')` 9. **ax**: 可选参数，允许用户自定义子图对象来承载当前绘图操作的结果[^2]。 #### 使用示例代码 以下是一些常见的使用场景下的代码片段： ```python import seaborn as sns import matplotlib.pyplot as plt # 加载内置数据集 tips = sns.load_dataset('tips') # 单变量 KDE 图 sns.kdeplot(data=tips['total_bill'], fill=True, color="blue", label="Bill Amount") # 多变量对比 KDE 图 sns.kdeplot(data=tips[tips.sex == "Male"]['total_bill'], label="Male Customers") sns.kdeplot(data=tips[tips.sex == "Female"]['total_bill'], label="Female Customers") plt.title("KDE Plot Example with Tips Dataset") plt.xlabel("Total Bill ($)") plt.ylabel("Probability Density") plt.legend() plt.show() ``` 通过以上介绍可知，Seaborn 提供了一个灵活而强大的工具——`kdeplot()` 来帮助探索连续型随机变量的分布特性，并支持多种定制化配置满足不同需求。 ---