核密度估计图：
核密度估计是概率论中用来估计未知的密度函数，属于非参数校验方法之一。
通过核密度估计图可以比较直观的看出数据样本本身的分布特征。

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

#随机生成100个标准的正太分布数据，绘制核密度估计图
na=np.random.randn(100)
sns.kdeplot(na)
plt.show()

100个随机正太分布核密度估计图1.png

#cumulative=True/False，是否绘制累计分布
na=np.random.randn(100)
sns.kdeplot(na,cumulative=True)
plt.show()

cumulative决定是否绘制累计分布.png

#shade=True/False 若为True，则在kde曲线下面的区域中进行阴影处理
na=np.random.randn(100)
sns.kdeplot(na,shade=True)
plt.show()

shade决定是否绘制阴影.png

#color 控制曲线及阴影的颜色
na=np.random.randn(100)
sns.kdeplot(na,shade=True,color="black")
plt.show()

color决定绘制的颜色.png

#vertical = False 带表在横轴绘制,默认为False
#vertical = True 带表在纵轴绘制
na=np.random.randn(100)
sns.kdeplot(na,shade=True,color="black",vertical=True)
plt.show()

vertical决定是在横轴或是纵轴绘制.png

#二元kde图像
x=np.random.randn(100)
y=np.random.randn(100)
sns.kdeplot(x,y,shade=True,color="red")
plt.show()

二元kde图像.png

#cbar=True/False  为True则添加一个颜色棒（注：颜色棒必须在二元kde图像中才能生效）
x=np.random.randn(100)
y=np.random.randn(100)
sns.kdeplot(x,y,shade=True,color="red",cbar=True)
plt.show()

cbar给二元kde图像添加颜色棒.png