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：

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,