### 如何使用 `seaborn.histplot()` 和 `seaborn.distplot()` 绘制直方图 #### 使用 `seaborn.histplot()` 绘制直方图 `seaborn.histplot()` 是 Seaborn 中用于绘制直方图的一个函数，它可以直观地展示数据的分布情况。以下是其基本用法和参数说明： - **主要参数**： - `data`: 数据集，可以是一个 Pandas DataFrame 或 NumPy 数组。 - `x`, `y`: 指定要绘图的数据列名或数组。 - `bins`: 定义直方图的分箱数目，默认会自动计算最佳分箱数。 - `stat`: 控制条形的高度表示的意义（如计数、频率等）。常见选项有 `'count'`（默认）、`'frequency'`、`'probability'`、`'density'` 等[^4]。 - `kde`: 是否叠加核密度估计曲线。 ##### 示例代码 ```python import seaborn as sns import matplotlib.pyplot as plt import numpy as np # 加载示例数据集 data = np.random.randn(1000) # 创建直方图 sns.histplot(data, bins=30, kde=True, stat='density') # 添加标题和标签 plt.title('随机数据的直方图') plt.xlabel('数值') plt.ylabel('概率密度') # 显示图表 plt.show() ``` --- #### 使用 `seaborn.displot()` 替代 `seaborn.distplot()` 需要注意的是，`seaborn.distplot()` 已被标记为过时，并将在未来的版本中移除[^1]。因此建议改用更现代的接口 `seaborn.displot()` 来实现相同功能。 - **主要区别**： `seaborn.displot()` 是一个更高层次的接口，能够轻松创建带有多个子图的复杂可视化效果。如果只需要简单的直方图，则可以直接指定 `kind='hist'`。 ##### 示例代码 ```python import seaborn as sns import matplotlib.pyplot as plt import numpy as np # 加载示例数据集 data = np.random.randn(1000) # 创建直方图 sns.displot(data, bins=30, kind='hist', kde=True, stat='density') # 添加标题和标签 plt.title('随机数据的直方图') # 显示图表 plt.show() ``` --- #### 参数对比表 | 参数 | 描述 | |------------|----------------------------------------------------------------------------------------| | `data` | 输入数据源 | | `x`, `y` | 要分析的具体变量 | | `bins` | 分箱的数量或边界定义 | | `stat` | 图形高度所代表的统计量 | | `kde` | 是否显示核密度估计线 | --- #### 注意事项 - 如果需要兼容旧版代码，仍然可以通过安装较早版本的 Seaborn 来继续使用 `distplot()` 函数[^1]。 - 对于更加复杂的场景，比如联合分布或者边缘直方图，可考虑结合其他工具如 `jointplot()` 实现[^2]。 ---