Seaborn绘制带有核密度估计（KDE）的直方图

使用Seaborn库绘制了一个带有核密度估计（KDE）的直方图，并通过hue参数区分了不同的类别。具体步骤如下：

绘制直方图：使用sns.histplot函数绘制直方图，数据来源为df，x轴为values列，hue参数用于区分category列的不同类别，multiple='layer’表示不同类别的直方图层叠显示，kde=True表示添加核密度估计曲线。
设置图表标题和标签：使用plt.title、plt.xlabel和plt.ylabel函数分别设置图表的标题、x轴标签和y轴标签。
显示图表：使用plt.show函数显示图表。

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

# 创建示例数据
np.random.seed(0)
data1 = np.random.randn(1000)  # 第一类数据，正态分布
data2 = np.random.randn(1000) + 2  # 第二类数据，正态分布但均值偏移了2

# 将数据组合成一个DataFrame，并添加一个分类标签
df = pd.DataFrame({'values': np.concatenate([data1, data2]),
                   'category': ['A']*len(data1) + ['B']*len(data2)})

# 使用sns.histplot绘制直方图，并通过hue参数区分不同的类别
sns.histplot(data=df, x='values', hue='category', multiple='layer', kde=True)

# 设置图表标题和标签
plt.title('Comparison of Two Data Distributions')
plt.xlabel('Values')
plt.ylabel('Frequency')

# 显示图表
plt.show()