Jointplot για ταυτόχρονη συσχέτιση και κατανομή

Με το seaborn.jointplot παίρνουμε διασπορά στο κέντρο και ιστογράμματα ή KDE γύρω της, άρα βλέπουμε την αλληλεπίδραση δύο μεταβλητών μαζί με την κατανομή της καθεμιάς.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

import seaborn as sns

fmri = sns.load_dataset("fmri")
subset = fmri[fmri["region"] == "frontal"].copy()

g = sns.jointplot(
    data=subset,
    x="timepoint",
    y="signal",
    kind="kde",
    fill=True,
    cmap="Blues",
    height=4.5,
)
g.fig.suptitle("Jointplot σήματος fMRI", y=1.02)

plt.show()

Συμβουλές ερμηνείας #

• Τα πιο σκούρα σημεία στο κέντρο σημαίνουν μεγαλύτερη πυκνότητα· τα KDE περιμετρικά δείχνουν την κατανομή κάθε άξονα.
• Αλλάξτε kind σε "hex" ή "hist" για διαφορετικό τύπο καταμέτρησης.
• Σε μεγάλα σύνολα δεδομένων οι υπολογισμοί πυκνότητας βαραίνουν· κάντε sampling ή μειώστε τις levels.