Seaborn হাই-লেভেল ইন্টারফেসযুক্ত ভিজ্যুয়ালাইজেশন লাইব্রেরি। Kernel Density Estimation (KDE) হল একটি পদ্ধতি যেন কন্টিনিউয়াস র্যান্ডম ভ্যারিয়েবলের প্রোবাবিলিটি ডেন্সিটি ফাংশন অনুমান করা যায়। নন-প্যারামেট্রিক অ্যানালিসিসে ব্যবহৃত হয়। jointplot-এ kind='kde' দিলে KDE প্লট হয়।
উদাহরণ
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x='petal_length', y='petal_width', data=my_df, kind='kde')
plt.show()আউটপুট
ব্যাখ্যা
- প্যাকেজ ইমপোর্ট করা হয়েছে।
- 'iris' ডেটাসেট লোড করা হয়েছে।
- ডেটাফ্রেমে স্টোর করা হয়েছে।
jointplotদিয়ে ভিজ্যুয়ালাইজ করা হয়েছে (x, y, kind='kde')।- KDE প্লট কনসোলে দেখানো হয়েছে।
