回收原因：主要用法写在了这里, 更多用法看看官网很快就可以上手
seaborn的特点
- 基于matplotlib进行了更高级的封装
- 高度兼容numpy，pandas，scipy，statsmodels
distplot()
from scipy import stats
import matplotlib.pyplot as plt # 导入
import seaborn as sns
fig,ax=plt.subplots(2,1)
x = stats.norm.rvs(loc=0, scale=1, size=100)
sns.distplot(x, bins=20, kde=True, hist=True, rug=True, fit=stats.gamma,ax=ax[0]);
# bins直方图多少个矩阵条
# hist=True显示直方图
# kde=True 显示核密度分布图
# fit=stats.gamma 拟合
# rug=True 在x轴上显示每个观测上生成的小细条（边际毛毯）
sns.distplot(x, hist=False, color="g", kde_kws={"shade": True}, ax=ax[1])
# kde图上阴影
plt.show()
| displot的输入参数 | 解释 |
|---|---|
| bins | 直方图多少个矩阵条 |
| hist | 是否显示直方图 |
| ked | 是否显示核密度估计图 |
| fit | 是否显示拟合图 |
| rug | 是否显示边际毛毯 |
