使用Seaborn的kdeplot/displot替代废弃distplot绘制numpy数组PDF并对比

你原来的distplot配置hist=False, rug=True是要实现「仅绘制核密度估计曲线 + 底部数据样本标记」的效果，以下是两种官方推荐的替换方案：

方案1：使用kdeplot（轴级函数，和原用法兼容性最高） #

直接将原来的distplot替换为kdeplot即可，参数几乎完全兼容，代码如下：

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

error = np.array([1,2,2,3,4,4,5])
error2 = np.array([3,3,4,4,4,6])
# 直接替换distplot为kdeplot即可
sns.kdeplot(error, rug=True, color='blue')
sns.kdeplot(error2, rug=True, color='red')
plt.show()

效果完全等价于你原来的实现：无直方图，仅显示两条对应颜色的PDF曲线，底部带数据点rug标记

方案2：使用displot（图级函数，更适合后续扩展需求） #

displot是Seaborn新版推荐的分布绘图入口，使用整洁数据格式可以一次完成双组对比绘图，代码如下：

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

error = np.array([1,2,2,3,4,4,5])
error2 = np.array([3,3,4,4,4,6])
# 整理为长格式整洁数据
df = pd.DataFrame({
    'value': np.concatenate([error, error2]),
    'group': ['error']*len(error) + ['error2']*len(error2)
})
sns.displot(
    data=df,
    x='value',
    hue='group',
    kind='kde',
    rug=True,
    palette=['blue', 'red']
)
plt.show()

这种方式的优势是如果后续需要加直方图、分面、调整画布尺寸等需求，只需要修改displot的参数即可，扩展性更强

内容的提问来源于stack exchange，提问作者EngGu