Crear un gráfico de contorno en Seaborn

Esta discusión presentará cómo crear un gráfico de contorno usando la función kdeplot() en Seaborn.

Crear un gráfico de contorno usando la función kdeplot() en Seaborn

La estimación de la densidad del núcleo nos permite estimar la función de densidad de probabilidad a partir de nuestro conjunto finito de datos. El kdeplot() tiene la opción del gráfico bivariado; en este caso, podemos estimar la función de densidad de probabilidad conjunta para datos en dos dimensiones.

El kdeplot() de Seaborn permite crear contornos que representan los diferentes niveles de densidad de sus datos para que pueda estimar el PDF conjunto. Seaborn no tiene una función de contorno, por lo que necesitamos usar la función kdeplot() para mostrar el gráfico de contorno.

Veamos un código de Seaborn para construir un diagrama bivariado o bidimensional usando kdeplot(). Comenzaremos importando pyplot y Seaborn y asignando alias a ambas bibliotecas.

import seaborn as seaborn
import matplotlib.pyplot as plot

El siguiente paso es cargar algunos datos de Seaborn. Usaremos un conjunto de datos sobre autos, por lo que tenemos diferentes estadísticas sobre varios autos.

La función dropna() eliminará todos los valores nulos del conjunto de datos.

Código:

data_set = seaborn.load_dataset("mpg").dropna()
data_set.head()

Producción:

Ahora, usaremos la función kdeplot() y pasaremos los caballos de fuerza y los mpg o millas por galón.

Código:

import seaborn as seaborn
import matplotlib.pyplot as plot

data_set = seaborn.load_dataset("mpg").dropna()
seaborn.kdeplot(data_set.horsepower, data_set.mpg)
plot.show()

Producción:

Hay un par de opciones que podemos aprovechar aquí. El primero es tener más anillos o más niveles diferentes en esta trama.

Podemos cambiar ese valor accediendo al parámetro n_levels.

import seaborn as seaborn
import matplotlib.pyplot as plot

data_set = seaborn.load_dataset("mpg").dropna()

seaborn.kdeplot(data_set.horsepower, data_set.mpg, n_levels=20)
plot.show()

Producción:

También podemos cambiarlo a una versión sombreada utilizando la versión shade.

import seaborn as seaborn
import matplotlib.pyplot as plot

data_set = seaborn.load_dataset("mpg").dropna()
seaborn.kdeplot(data_set.horsepower, data_set.mpg, shade=True)
plot.show()

Producción:

También podemos incluir una barra de colores usando el parámetro cbar.

import seaborn as seaborn
import matplotlib.pyplot as plot

data_set = seaborn.load_dataset("mpg").dropna()
seaborn.kdeplot(data_set.horsepower, data_set.mpg, shade=True, cbar=True)
plot.show()

Como nota, tiene dos categorías diferentes en sus datos.

Producción: