数据分析：密度图

目前拥有的数据如图，三列分别对应瑕疵种类，对应的置信
度，x方向坐标。
现在想要做的事是观看瑕疵种类和置信度之间的关系。
要显示数据分布的集中程度，可以使用以下几种常见的图形来观察：

1、箱线图（Box Plot）：箱线图展示了数据的中位数、上下四分位数、最小值和最大值等统计指标，并通过箱体的长度和须的长度来表示数据的分布情况。箱线图能够展示数据的异常值和偏态程度，从而提供数据集中程度的信息。
2、直方图（Histogram）：直方图用柱状图的形式表示数据在不同区间内的频数或频率。直方图能够给出数据的分布情况，高度表示数据出现的频次，整个图形可以展示数据的集中和离散程度。
3、密度图（Density Plot）：密度图是通过平滑直方图来估计数据的概率密度函数，并以连续曲线的形式展示数据分布的集中程度。密度图可以更直观地看出数据的峰值和分布的波动情况。
4、散点图（Scatter Plot）：散点图用点的位置来表示两个变量之间的关系。通过观察散点图中点的分布情况，可以大致判断数据的集中程度和相关性。

下面我使用的是密度图，因为密度的连续曲线更加容易看出数据分布的集中程度。

import pandas as pd
import matplotlib.pyplot as plt

# 读取没有列标签的CSV文件
df = pd.read_csv('camera0.csv', header=None)
# 使用整数索引访问列数据
confidence_by_type = df.groupby(0)[1]
# 绘制置信度密度分布图
plt.figure(figsize=(10, 6))
confidence_by_type.plot(kind='density', linewidth=2, alpha=0.5)
plt.xlabel('Confidence')
plt.ylabel('Density')
plt.title('Confidence Density Distribution by Type')
plt.legend(confidence_by_type.groups.keys())

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

如上图所示，我的横坐标是第二列置信度，纵坐标是密度，四条线分别对应第一列的四种类型。
这样就可以看懂我的数据的分布集中情况。