Gráfico de densidad en seaborn con kdeplot

Gráfico de densidad tipo núcleo en seaborn con kdeplot

La función kdeplot de seaborn calcula la estimación tipo núcleo de la densidad de los datos y la dibuja. Por defecto la función utiliza un núcleo normal, 200 puntos como grid para el eje X y un factor multiplicativo de la ventana calculada por el método de Scott de 1.

import numpy as np
import seaborn as sns

# Simulación de datos
rng = np.random.RandomState(4)
x = rng.normal(0, 1, size = 100)
df = {'x': x}

# Gráfico de densidad
sns.kdeplot(x = x)

# Equivalente a:
sns.kdeplot(x = "x", data = df)

import numpy as np
import seaborn as sns

# Simulación de datos
rng = np.random.RandomState(4)
x = rng.normal(0, 1, size = 100)

# Gráfico de densidad
sns.kdeplot(x = x, color = "red")

Además, también puedes colorear el área debajo de la curva de densidad con fill = True y especificar el color y la transparencia deseada con color y alpha, respectivamente.

import numpy as np
import seaborn as sns

# Simulación de datos
rng = np.random.RandomState(4)
x = rng.normal(0, 1, size = 100)

# Gráfico de densidad
sns.kdeplot(x = x,
            fill = True, color = "green", alpha = 0.5)

Selección de la ventana

Tal y como se indicó antes, la función utiliza un factor multiplicativo de 1 para la ventana (bandwidth) óptima calculada con el método de Scott, pero puedes sobrescribirlo con el argumento bw_adjust. También puedes usar el método de Silverman en lugar del de Scott con el argumento bw_method. Mira esta documentación para obtener detalles adicionales.

import numpy as np
import seaborn as sns

# Simulación de datos
rng = np.random.RandomState(4)
x = rng.normal(0, 1, size = 100)

# Gráfico de densidad
sns.kdeplot(x = x,
            bw_adjust = 0.5)

import numpy as np
import seaborn as sns

# Simulación de datos
rng = np.random.RandomState(4)
x = rng.normal(0, 1, size = 100)

# Gráfico de densidad
sns.kdeplot(x = x,
            bw_method = "silverman")