Python数据可视化：使用Seaborn绘制中风与年龄关系的核密度图

使用Seaborn可视化中风与年龄的关系

本示例演示如何使用Python的Seaborn库绘制核密度图，以比较中风组和非中风组的年龄分布。

import seaborn as sns
import matplotlib.pyplot as plt

# 假设 'd' 是您的 Pandas DataFrame，其中包含 'stroke' 和 'age' 列

# 绘制中风组的年龄核密度图
sns.kdeplot(d.loc[d['stroke'] == 1]['age'], color='#00FF7F', label='Stroke', shade=True)

# 绘制非中风组的年龄核密度图
sns.kdeplot(d.loc[d['stroke'] == 0]['age'], color='#FFD700', label='No Stroke', shade=True)

# 设置图形标题
plt.title('年龄概率密度分布', fontproperties='SimHei', fontsize=17)

# 添加图例
plt.legend(loc='lower right')

# 显示图形
plt.show()

代码解释:

导入库: 首先导入 seaborn 和 matplotlib.pyplot 库。
数据准备: 假设您有一个名为 d 的 Pandas DataFrame，其中包含 'stroke' (指示是否中风) 和 'age' (年龄) 列。
绘制核密度图: 使用 sns.kdeplot() 函数绘制中风组 (stroke == 1) 和非中风组 (stroke == 0) 的年龄核密度图。
- color 参数设置线条颜色。
- label 参数设置图例标签。
- shade 参数设置为 True 以显示阴影效果。
设置标题: 使用 plt.title() 函数设置图形标题，并使用 fontproperties 和 fontsize 参数自定义字体样式和大小。
添加图例: 使用 plt.legend() 函数添加图例，并使用 loc 参数设置图例位置。
显示图形: 使用 plt.show() 函数显示图形。

总结:

这段代码创建了一个包含两个核密度图的图形，直观地展示了中风组和非中风组的年龄分布差异。通过观察图形，您可以了解到中风与年龄之间是否存在潜在的相关性。