python 观察数据分布

Python中可以使用多种方法来观察数据分布，比如散点图、极差、频率分布、分组组距及组数等。其中，二维核密度估计图也是一种常用的方法。下面是一个示例代码，使用二维核密度估计图来观察数据分布：

import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as st

# 生成随机数据
data = np.random.multivariate_normal((0, 0), [[0.8, 0.05], [0.05, 0.7]], 100)
x = data[:, 0]
y = data[:, 1]

# 设置坐标轴范围
xmin, xmax = -3, 3
ymin, ymax = -3, 3

# 计算核密度估计
xx, yy = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([xx.ravel(), yy.ravel()])
values = np.vstack([x, y])
kernel = st.gaussian_kde(values)
f = np.reshape(kernel(positions).T, xx.shape)

# 绘制图像
fig = plt.figure()
ax = fig.gca()
ax.set_xlim(xmin, xmax)
ax.set_ylim(ymin, ymax)
cfset = ax.contourf(xx, yy, f, cmap='Blues')
cset = ax.contour(xx, yy, f, colors='k')
ax.clabel(cset, inline=1, fontsize=10)
ax.set_xlabel('X')
ax.set_ylabel('Y')
plt.show()

该代码使用`numpy`和`scipy`库生成了一个二维正态分布的随机数据，然后使用`gaussian_kde`函数计算了核密度估计，最后使用`contourf`和`contour`函数绘制了二维核密度估计图。通过观察图像，可以了解数据的分布情况。