Python 如何使用fmri数据理解sns.distplot图
我正在为seaborn图书馆中的fmri样本数据集创建可视化。我使用了以下代码:Python 如何使用fmri数据理解sns.distplot图,python,pandas,dataframe,matplotlib,seaborn,Python,Pandas,Dataframe,Matplotlib,Seaborn,我正在为seaborn图书馆中的fmri样本数据集创建可视化。我使用了以下代码: import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns sns.displot( data=fmri, x="timepoint", y="signal",hue="region", kind=&quo
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.displot(
data=fmri,
x="timepoint", y="signal",hue="region",
kind="kde", height=9,
multiple="fill", clip=(-25.0, None),
palette="ch:rot=-.25,hue=1,light=.75",
)
这给了我一个使用此图表的输出:
我的问题是,我不理解这种图表格式,甚至不理解它的名称来查找更多信息。圆圈是什么意思?这是显示此类数据的有效方法吗?我真的很喜欢它的样子,我想讲述一下这意味着什么,但如果有人能帮我多了解一点,我希望能有一些见解
谢谢 这是一个非常复杂的问题,因为图取决于数据类型、故事、你想用你的答案讲述的故事、你想回答的问题。 功能磁共振成像测量大脑不同部位的新陈代谢。您创建的图告诉我们,就信号强度而言,额叶和顶叶lob的信号在整个观测时间内是相似的。
所以它回答了一个特定的问题,即观察到的信号在两个叶中是相似的。
这种类型的曲线图(等高线图)在表示多变量数据时很有价值,以显示两个变量之间的关系(在这种特殊情况下为时间和信号功率/振幅)。这是一个非常复杂的问题,因为曲线图取决于您想用答案讲述的数据类型、故事和您想回答的问题。 功能磁共振成像测量大脑不同部位的新陈代谢。您创建的图告诉我们,就信号强度而言,额叶和顶叶lob的信号在整个观测时间内是相似的。
所以它回答了一个特定的问题,即观察到的信号在两个叶中是相似的。
当表示多变量数据时,这种类型的图(等高线图)很有价值-用于显示两个变量之间的关系(在这种特殊情况下为时间和信号功率/振幅)。
sns。distplot
被贬低,因为您可以在此处找到更多信息:
因此,您的最佳选择是sns.kdeplot()
在您的示例中,您可以执行以下操作:
sns.kdeplot(data=fmri, bw_adjust = 0.2, fill = True)
您所指的圆是等高线,显示不同流形的密度
我相信信号和时间点是两个变量,因此等高线显示了较小圆圈周围的最高密度。如果使用
fill=True
可以更好地了解每个轮廓周围的密度变化情况。sns.distplot
会被折旧,因为您可以在此处找到更多信息:
因此,您的最佳选择是sns.kdeplot()
在您的示例中,您可以执行以下操作:
sns.kdeplot(data=fmri, bw_adjust = 0.2, fill = True)
您所指的圆是等高线,显示不同流形的密度
我相信信号和时间点是两个变量,因此等高线显示了较小圆圈周围的最高密度。如果使用
fill=True
可以更好地了解每个轮廓周围的密度变化情况。fill函数有助于更好地理解可视化,谢谢!填充函数有助于更好地理解可视化,谢谢!也看一看,也看一看,