Meine Daten wie folgt aussehen:ist es möglich, eine nicht Gaußsche Kernel für die beiden seitlichen Verteilungen in Seaborn zu verwenden jointplot
s1 = sns.jointplot(data.columns[i],
data.columns[j],
data=data,
space=0, color="b", stat_func=None)
wenn ich kde stattdessen
s1 = sns.jointplot(data.columns[i],
data.columns[j],
data=data, kind = 'kde',
space=0, color="b", stat_func=None)
I bin ganz glücklich mit der zweidimensionalen kde-interpolation, weniger mit der lateralen. Das Problem ist so nah beieinander, dass das Maximum der Verteilung an zwei verschiedenen Punkten liegt, was ziemlich irreführend sein könnte.
So, jetzt die eigentliche Frage: ist es möglich, etwas anderes als Gaußsche als Kernel (blau) für die beiden seitlichen Verteilungen angeben? (Ich weiß, dass Gaussian die einzige Option in 2D ist). Weil zum Beispiel 'biw' (grün) ästhetisch besser aussehen könnte (ich bin immer noch nicht überzeugt, dass es mathematisch eine gute Sache ist, die Interpolationen, die mit dem verschiedenen Kernel gemacht wurden, dicht beieinander zu platzieren, so dass sie dasselbe scheinen). Also meine Frage ist, ob ich den verschiedenen Kernel irgendwo in sns.jointplot angeben kann oder die einzige Möglichkeit ist, die laterale Verteilung durch eine andere zu überschreiben, die in einem zweiten Moment berechnet wird.
ax1 = sns.distplot(data[data.columns[j]])
sns.kdeplot(data[data.columns[j]], kernel= 'biw', ax = ax1)
brilliant! genau das, was ich gesucht habe, vielen Dank! – cattt84
Ich frage mich, ist es auch möglich, ein Jointplot (mit Kind = 'kde') und marginale Barplots anstelle von Wahrscheinlichkeitsverteilungen zu machen? – cattt84
Vielleicht ist es besser, eine andere Frage zu stellen. Überprüfen Sie diese Seite vorher, es könnte Hinweise für Sie geben: [seaborn joinplot] (https://web.stanford.edu/~mwaskom/software/seaborn/generated/seaborn.jointplot.html) (6. Handlung) – jrjc