第2章 分布图的语法
文档摘要
第2章 分布图的语法 本章要回答的三个问题： 想知道"一个变量长什么样"，直方图、核密度、经验分布各在回答什么不同的子问题？ 两个变量一起的分布怎么画，联合分布和边缘分布如何放进同一张图？ 什么时候用 axes 级逐个画，什么时候交给 displot 一站出分面？ 为什么会有这一章 拿到任何新数据集，第一件事不是建模，是看分布。偏偏"看分布"这个词太笼统——你可能在数每个区间里落了多少观测（直方图），可能想要一条平滑的密度曲线来判断偏态和众数（核密度），也可能想直接读出"有多大比例的数据低于某个值"（经验累积分布）。三种问法对应三种图，参数不通用，直觉更不通用。而它们在 Seaborn 里共享同一个映射骨架：一个数值列进 x（或 y），其余通道全部留给分组与分面。
第2章 分布图的语法
本章要回答的三个问题：
- 想知道"一个变量长什么样"，直方图、核密度、经验分布各在回答什么不同的子问题？
- 两个变量一起的分布怎么画，联合分布和边缘分布如何放进同一张图？
- 什么时候用 axes 级逐个画，什么时候交给 displot 一站出分面？
为什么会有这一章
拿到任何新数据集，第一件事不是建模，是看分布。偏偏"看分布"这个词太笼统——你可能在数每个区间里落了多少观测（直方图），可能想要一条平滑的密度曲线来判断偏态和众数（核密度），也可能想直接读出"有多大比例的数据低于某个值"（经验累积分布）。三种问法对应三种图，参数不通用，直觉更不通用。而它们在 Seaborn 里共享同一个映射骨架：一个数值列进 x（或 y），其余通道全部留给分组与分面。这正是拆解台最好的练兵场——映射层最简单的家族，最适合把四层拆解法练成肌肉记忆。
本章也是"图层"概念的第一次正式亮相：分布图家族天然需要叠加（直方图配密度、密度配地毯），而叠加的钥匙 ax 参数在第 1.2 节已经交到你手上。
读完能解决什么
- 面对一个数值列，能说出三种单变量图各自回答什么问题、什么场景选哪个；
- 能画联合分布图并解释中央区域与边缘区域的分工；
- 能用 displot 把分布按类别分面，用 pairplot 一次看全所有数值列的两两关系；
- 能预判核密度的带宽陷阱与直方图的分箱敏感性。
各节怎么分工
| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 2.1 直方图 histplot | 问题一的频数侧面 | 分箱参数调优、多层直方图、stat 三种统计口径 |
| 2.2 核密度与经验分布 | 问题一的形状与占比侧面 | kdeplot 带宽直觉、ecdfplot 精确读数、rugplot 叠加 |
| 2.3 displot 与成对关系图 | 问题二与三 | displot 分面语法、jointplot 联合分布、pairplot 矩阵 |
先决条件
- 第 1 章的四层拆解法与两级函数分野（figure 级函数在本章大量出现）；
- 长表思维：按类别分组画分布前，确认类别是长表里的一列；
- 概率密度与频数的区别：不要求概率论基础，但 2.2 节会用一节讲清。
本章可考核知识点
- 给定一个数值列，能写出三种单变量图（直方图、核密度、ecdf）各自回答的问题与超参数；
- 能解释 binwidth 与 bins 的取舍、bw_adjust 对峰形态稳定性的影响；
- 能说出 stat 三种口径（count、probability、density）与 kde 叠加的兼容条件；
- 能用 multiple 的四种模式（layer、stack、fill、dodge）匹配不同比较意图；
- 能区分 jointplot 中央与边缘面板的信息分工，并能读出辛普森悖论的图形特征；
- 能用 pairplot 的对角线与非对角面板完成一次特征可分性初筛。
往下走到哪
分布回答"单看一个（或两个）变量长什么样"。下一步自然是"两个变量之间是什么关系"——第 3 章的关系图在映射层只是把单列 x 扩成 x 加 y，但聚合、置信区间这些统计概念会第一次登场。学完分布再学关系，你会发现散点图不过是把两个边际分布钉在了同一坐标系里。