Python 为什么熊猫和Seaborn为相同的数据生成不同的KDE图？

我想看看具有以下值的变量的分布

+-------+-------+
| Value | Count |
+-------+-------+
| 0.0   |   355 |
| 1.0   |   935 |
| 2.0   |     1 |
| 3.0   |     2 |
| 4.0   |     1 |
+-------+-------+

该表继续显示最大为1000的值，但非常稀疏（总观察值=1622，几乎所有观察值均为0或1）

所以当我策划时：

sns.distplot（kde=True，a=df.loc[（df.class==1）]。感兴趣的变量）

这将产生以下红色分布

Seaborn没有捕捉到价值的初始集中，但对其他价值表现出更多的“敏感性”

然后我想起了

pd.DataFrame.plot.kde（）

，所以我尝试了一下，它生成了这个捕获浓度的图

df.loc[（df.class==1）].variable\u of\u interest.plot.kde（）

重要提示：对于那些可能注意到X轴不同的人，我确实尝试了带有XLIM（-5001000）的seaborn，但情节仍然完全相同

你知道为什么它们会生成如此不同的图吗？ 这与他们处理数据的方式有关，还是我做错了什么？

---

提前非常感谢

问题在于，主要用于连续数据，而您似乎在处理离散数据。一个重要的参数是

带宽

：它越小，曲线越接近数据，越宽越好表示一般形式

似乎seaborn和pandas在这里使用不同的方法来估计“良好”带宽。使用，您可以设置固定带宽

sns.kdeplot（…，bw=0.5）

左右。或使用

df.plot.kde（bw_方法=0.5，…）

。请注意，“完美”带宽并不存在，它取决于数据、样本数量以及您对底层分布的了解。默认的seaborn和pandas选项只是一个经验法则，可能对您的数据有用，也可能不有用。未来的版本可能会使用不同的经验法则

下图显示了不同带宽如何影响kdeplot：

---

谢谢@JohanC，你所指出的关于连续变量和离散变量的观点是正确的，但我希望以图形的方式获得分布的“感觉”，尽管不正确，但我认为这可以给我一个提示。我已经玩了一点这些参数，我确实得到了类似的形状，但我仍然找不到精确的参数化来获得相同的绘图（不是我需要它，只是出于好奇），再次感谢！通常，用于估计带宽。这将是

n**（-1./（d+4））

和

n

数据点的数量（1622？），以及

d

维度（1），因此大约

0.228

。Seaborn使用了一个轻微的

“scott”-1.059*a*nobs**（-1/5.）

，其中

a

是

min（std（X），IQR/1.34）

，在本例中效果不佳。