Python数据可视化的例子——直方图（hist）和核密度曲线（kde）

当然，我可以给你提供 Python 数据可视化的例子，包括直方图（hist）和核密度曲线（kde）。以下是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成一组随机数据
np.random.seed(0)
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.5, color='steelblue')
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 绘制核密度曲线
density = plt.ticker.Density()
kde = scipy.stats.gaussian_kde(data)
x = np.linspace(data.min(), data.max(), 100)
y = kde(x)
plt.plot(x, y, color='red', label='KDE')

plt.legend()
plt.show()

这个例子使用 NumPy 生成了一组随机数据，然后使用 Matplotlib 绘制了直方图和核密度曲线。直方图使用 `hist` 函数来绘制，可以调整参数来控制直方图的样式。核密度曲线使用 `gaussian_kde` 函数来估计数据的概率密度函数，并使用 `plot` 函数绘制出来。

你可以根据自己的需要调整代码中的参数，比如数据的分布、直方图的箱数等，以得到自己想要的可视化效果。希望对你有帮助！如果还有其他问题，请继续提问。