Kernel Density Functions

KDE Mechanics

smoothing in 1D（histograms）

rug —> histogram

smoothing in 2D（heatmaps/Hex Plot）

KDEs

代码实现： sns.distplot(data, kde=True)

Kernel Functions and Bandwidth

$\alpha$ 越大，曲线越平滑

当然也有其他的kernel函数，比如：

• triangular kernel
• epanechnikov kernel
• boxcar kernel

Visualization Theory

注意可视化的目的！

仅仅靠统计方法不够直观并且不够准确！

Information Channels

color, shape, size, position (coordinate), and orientation

Harnessing X/Y

do not use different scales for x and y in the same visualization!

比例适中

Harnessing Color

选颜色，jet, viridis主题等等

最好选择perceptually uniform的颜色！而jet不是！Inferno， Turbo可以

Harnessing Markings

人更倾向于比较整齐的直方图（一维长度）

避免移动调整基线！

取决于讲什么故事

Harnessing Conditioning

Harnessing Context

Transformations

linearize线性化处理

log transform对数变换

更多的代码参考jupyter notebook