问答 · ANSWER
单变量分布可视化是什么？
直接回答
单变量分布可视化是观察数据集中一列数据的分布情况，例如数据集中在哪个范围、呈现何种形态。常用方法包括核密度估计图和分布图。
关键要点
- 单变量分布可视化观察一列数据的分布情况，如数据集中范围和整体形态。
- 核密度估计图（KDE Plot）是一种平滑估计数据概率密度函数的非参数方法。
- 分布图（Dist Plot）集成了直方图、核密度估计曲线和观测条于一体。
- 理解数据分布特征是进行探索性数据分析和后续建模的关键一步。
怎么选 / 怎么做
单变量分布可视化的主要方法是绘制核密度估计图（KDE Plot）和分布图（Dist Plot）。
- 核密度估计图：使用 sns.kdeplot() 绘制，生成平滑曲线展示分布轮廓。
- 分布图：使用 sns.distplot() 绘制，可同时显示直方图、KDE曲线和观测条。
常见问题
核密度估计图（KDE）和直方图的主要区别是什么？
直方图用柱子高度表示频数，KDE图用平滑曲线估计概率密度。
分布图（Dist Plot）能显示哪些内容？
可同时显示直方图、核密度估计曲线和观测条。