Bỏ qua đến nội dung chính
Mục lục

sns.histplot() trong seaborn: phân bố, kde, so hai nhóm

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 3/10 · Chương 3

Biểu đồ thống kê với seaborn

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

seaborn histplot vẽ phân bố của một cột số thẳng từ DataFrame: bạn đưa bảng chất lượng không khí và tên cột PM2.5, sns.histplot() chia trục thành các khoảng và đếm số ngày rơi vào mỗi khoảng. Nó còn có thể thêm một đường cong làm trơn. Với hue=, bạn đặt phân bố của hai tỉnh chồng lên nhau trên cùng một hình để so.

Cần biết trước: histogram trong Matplotlib và seaborn khác Matplotlib ở đâu.

Vẽ phân bố bằng sns.histplot()

File khong_khi.csv ghi chỉ số mỗi ngày năm 2025 của sáu tỉnh: PM2.5 và PM10 (µg/m³), nhiệt độ, độ ẩm, lượng mưa. Bạn lọc riêng Hà Nội, 365 ngày, rồi xem PM2.5 phân bố ra sao:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
kk = pd.read_csv("khong_khi.csv")
hn = kk[kk["tinh"] == "Hà Nội"]
tb = hn["pm25"].mean()
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
sns.histplot(data=hn, x="pm25", bins=15, ax=ax)
ax.axvline(tb, color="black", linestyle="--",
           label=f"Trung bình {tb:.0f} µg/m³")
ax.set_title("PM2.5 ở Hà Nội: phần lớn ngày dưới mức trung bình")
ax.set(xlabel="PM2.5 (µg/m³)", ylabel="Số ngày")
ax.legend()
print(len(ax.patches), int(sum(p.get_height() for p in ax.patches)))
plt.show()

KẾT QUẢ

15 365
Histogram PM2.5 của Hà Nội năm 2025 gồm 15 cột, trục y là số ngày; đỉnh nằm khoảng 20 đến 30 µg/m³, đuôi kéo dài sang phải tới khoảng 157, vạch đứt ở trung bình 45 µg/m³.

Dòng in cho biết có 15 cột và tổng chiều cao 365, đúng số ngày: mỗi ngày rơi vào đúng một khoảng. Đỉnh nằm ở khoảng 20 đến 30 µg/m³, còn đuôi bên phải kéo tới khoảng 157. Vài ngày ô nhiễm nặng kéo trung bình lên 45, nên phần lớn ngày nằm bên trái vạch trung bình. Đổi bins=15 thành bins=5 rồi chạy lại: dòng đầu in 5 365, và hình chỉ còn năm cột thô.

bins= là số khoảng chia trục x, giống tham số cùng tên của ax.hist(). Khác biệt là bạn đưa bảng và tên cột, và seaborn tự đặt nhãn trục y là Count, nên dòng ax.set() thay nó bằng "Số ngày".

Thêm đường kde=True

kde=True vẽ thêm một đường cong trơn bám theo dáng chung của các cột. KDE (ước lượng mật độ bằng hàm nhân) đặt một quả đồi nhỏ lên mỗi giá trị rồi cộng các quả đồi lại, như rắc cát lên từng điểm rồi nhìn đường viền đống cát:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

kk = pd.read_csv("khong_khi.csv")
hn = kk[kk["tinh"] == "Hà Nội"]
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
sns.histplot(data=hn, x="pm25", bins=15, kde=True, ax=ax)
ax.set_title("PM2.5 ở Hà Nội: một đỉnh, đuôi dài bên phải")
ax.set(xlabel="PM2.5 (µg/m³)", ylabel="Số ngày")
print(len(ax.lines), len(ax.lines[0].get_xdata()))
plt.show()

KẾT QUẢ

1 200
Histogram PM2.5 Hà Nội 15 cột kèm đường cong KDE trơn; đường có một đỉnh khoảng 30 µg/m³ rồi hạ dần về bên phải tới khoảng 157.

Đường cong có một đỉnh và một đuôi dài, dễ đọc hơn các bậc thang của cột. Nó là một Line2D trong ax.lines, gồm 200 điểm seaborn tính sẵn. Đường cong được co giãn theo chiều cao cột, nên đọc nó theo cùng trục "Số ngày". Với vài chục dòng, KDE có thể vẽ ra đỉnh không có thật; hãy nhìn cột trước, đường sau.

So hai tỉnh bằng hue=

Đưa hai tỉnh vào cùng một bảng và chọn hue="tinh": seaborn dùng chung các khoảng cho hai nhóm, tô mỗi tỉnh một màu và vẽ chồng lên nhau. alpha=0.5 làm cột trong một nửa, để chỗ chồng vẫn nhìn thấy:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

kk = pd.read_csv("khong_khi.csv")
hai = kk[kk["tinh"].isin(["Hà Nội", "Cần Thơ"])]
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
sns.histplot(data=hai, x="pm25", hue="tinh", bins=25, alpha=0.5,
             element="step", ax=ax)
ax.set_title("PM2.5 ở Cần Thơ dồn về mức thấp hơn Hà Nội")
ax.set(xlabel="PM2.5 (µg/m³)", ylabel="Số ngày")
ax.get_legend().set_title("Tỉnh")
plt.show()
Hai histogram PM2.5 chồng lên nhau có viền bậc thang, Hà Nội xanh và Cần Thơ cam; Cần Thơ dồn trong khoảng 6 đến 40 µg/m³ với cột cao nhất hơn 100 ngày, Hà Nội trải rộng từ 10 tới khoảng 157.

Cần Thơ dồn trong một dải hẹp ở mức thấp, 92% số ngày dưới 40 µg/m³, còn Hà Nội trải rộng và có đuôi dài. Phần xám là chỗ hai tỉnh chồng nhau; element="step" vẽ viền bậc thang cho mỗi tỉnh để vẫn thấy cạnh của từng nhóm. Hai tỉnh cùng có 365 ngày, nên so chiều cao cột trực tiếp là công bằng. Với histogram, seaborn dựng chú giải theo cách riêng, nên dòng cuối đổi tiêu đề chú giải bằng ax.get_legend().set_title() thay cho ax.legend(title=...), cách kia sẽ làm mất các ô màu.

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

kk = pd.read_csv("khong_khi.csv")
hn = kk[kk["tinh"] == "Hà Nội"].copy()
hn["troi"] = "Không mưa"
hn.loc[hn["mua_mm"] > 0, "troi"] = "Có mưa"
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
sns.histplot(data=hn, x="pm25", hue="troi", bins=15, alpha=0.5,
             stat="density", common_norm=False, ax=ax)
ax.set_title("Ngày có mưa ở Hà Nội, PM2.5 dồn về mức thấp")
ax.set(xlabel="PM2.5 (µg/m³)", ylabel="Mật độ")
ax.get_legend().set_title("Thời tiết")
plt.show()
Hai histogram mật độ PM2.5 của Hà Nội, ngày có mưa và ngày không mưa; ngày có mưa dồn dưới khoảng 30 µg/m³, ngày không mưa trải rộng hơn sang phải.

Sau khi chuẩn hóa, ngày có mưa dồn rõ về mức thấp, còn ngày không mưa trải rộng sang phải. Mưa rửa bớt bụi khỏi không khí, nhưng hình chỉ cho thấy hai thứ đi cùng nhau; bài tương quan nói kỹ vì sao đi cùng chưa phải nhân quả.

Kiểm tra nhanh

  1. Sau import pandas as pd, matplotlib.pyplot as plt, seaborn as sns, fig, ax = plt.subplots() và sns.histplot(x=pd.Series([3.0, 4.0, 4.5, 9.0, 9.5]), bins=4, ax=ax), [int(p.get_height()) for p in ax.patches] cho kết quả gì?

    • [1, 1, 1, 2]
    • [3, 0, 0, 2]
    • [5]
  2. Trong ví dụ thêm đường kde=True, đường cong là gì?

    • Đường nối đỉnh các cột bằng các đoạn thẳng
    • Bản làm trơn của phân bố, cộng các quả đồi nhỏ đặt tại từng giá trị
    • Đường trung bình động của PM2.5 theo ngày
  3. Những câu nào đúng về hue= trong sns.histplot()?

    • Các nhóm dùng chung một bộ khoảng chia trục x
    • alpha=0.5 giúp thấy phần cột chồng lên nhau
    • seaborn tự chia số đếm cho cỡ mỗi nhóm
    • hue= nhận một list màu, không nhận tên cột
  4. Ở Hà Nội có 109 ngày mưa và 256 ngày không mưa. Vẽ hai nhóm bằng số ngày thô thì sai ở đâu?

    • Hai nhóm bị vẽ với khoảng chia khác nhau
    • seaborn bỏ qua nhóm nhỏ hơn
    • Nhóm không mưa có cột cao hơn chỉ vì đông ngày hơn
Đúng hết lần đầu +15 XP

Bài tập

Phân bố nhiệt độ một tỉnh, kèm trung vị

Bảng kk có cột tinh và nhiet_do (°C), như file khong_khi.csv. Viết thân hàm ve_nhiet_do(kk, tinh):

  • chỉ lấy các ngày của tỉnh tinh;

  • vẽ histogram nhiệt độ bằng sns.histplot() trên một axes mới, đúng bins=10, có đường kde=True;

  • kẻ một vạch đứng ở trung vị nhiệt độ của tỉnh, nhãn Trung vị, và hiện chú giải;

  • tiêu đề đúng là Phân bố nhiệt độ ở <tên tỉnh>, ví dụ Phân bố nhiệt độ ở Huế; nhãn trục x Nhiệt độ (°C), nhãn trục y Số ngày.

Hàm không sửa bảng nó nhận.

Trả về: axes đã vẽ, một Axes.

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

def ve_nhiet_do(kk, tinh):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • sns.histplot(data=bang, x="cot", bins=n) chia trục thành n khoảng và đếm số dòng rơi vào mỗi khoảng.

  • seaborn đặt nhãn trục y là Count; đổi nó thành đơn vị thật như "Số ngày".

  • kde=True thêm đường cong làm trơn; nhìn cột trước, đặc biệt khi ít dữ liệu.

  • hue= vẽ nhiều nhóm chồng nhau với chung khoảng chia; alpha=0.5 cho thấy phần chồng.

  • Nhóm khác cỡ thì so bằng stat="density", common_norm=False, không so số đếm thô.

Câu hỏi thường gặp

sns.distplot() còn dùng được không?

Không nên. distplot() đã bị seaborn đánh dấu lỗi thời từ bản 0.11 và sẽ bị gỡ; nó in cảnh báo mỗi lần gọi. Thay bằng sns.histplot(..., kde=True) cho hình có cột và đường cong, hoặc sns.kdeplot() nếu bạn chỉ cần đường cong.

Chọn bins bao nhiêu là vừa?

Không có một số đúng cho các bảng. Thử vài giá trị: quá ít cột thì mất hình dạng, quá nhiều thì cột lởm chởm vì mỗi khoảng chỉ vài dòng. Với vài trăm dòng, 15 đến 30 thường đọc được. binwidth=5 là cách khác: đặt độ rộng mỗi khoảng theo đơn vị của dữ liệu, như bài histogram làm với ax.hist().

Sao chú giải mất ô màu khi tôi gọi ax.legend(title=...)?

Với histplot() có hue=, seaborn tự dựng chú giải mà không gắn nhãn cho từng cột, nên ax.legend() không tìm thấy gì để liệt kê. Giữ chú giải seaborn và chỉ đổi tiêu đề bằng ax.get_legend().set_title("Tỉnh"). Bài seaborn dùng được ax.legend(title=...) vì lineplot() có gắn nhãn cho từng đường.

Muốn mỗi tỉnh một hình riêng thay vì chồng lên nhau thì làm sao?

Tạo nhiều axes bằng plt.subplots(1, 2) rồi gọi histplot() hai lần, mỗi lần một tỉnh và một ax=. Đặt sharex=True để hai hình dùng chung trục x mà so. seaborn còn có cách vẽ tách nhóm tự động, bài pairplot() và relplot() giới thiệu.

Chủ đề

seaborn histplot

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập