- 总结，添加label和plt.legend，以下由chatgpt生成
在使用 Seaborn 的 kdeplot（核密度估计图）时，显示图例也是一个常见需求，尤其是当你想比较多个不同分布的数据时。下面我将提供一个示例，说明如何在使用 kdeplot 绘制多个数据集时添加和显示图例。
假设我们有两组数据，并且希望在同一图中绘制它们的核密度估计图，同时显示图例
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
data1 = np.random.normal(loc=0, scale=1, size=100) # 正态分布，均值为0，标准差为1
data2 = np.random.normal(loc=2, scale=1.5, size=100) # 正态分布，均值为2，标准差为1.5
# 绘制第一组数据的KDE
sns.kdeplot(data1, label='Group 1', fill=True)
# 绘制第二组数据的KDE
sns.kdeplot(data2, label='Group 2', fill=True)
# 添加图例
plt.legend(title='Data Groups')
# 显示图表
plt.show()
解释
创建数据：我们生成了两组服从正态分布的数据，data1 和 data2，它们具有不同的均值和标准差。
绘图：通过调用 sns.kdeplot 为每组数据绘制核密度估计图。使用 label 参数来指定每个数据集的图例标签，这样 Seaborn 和 Matplotlib 会自动处理图例。
fill=True 参数：这个参数用于控制是否填充曲线下的区域，使得图形更易于区分和观看。
添加图例：使用 plt.legend() 方法添加图例，其中 title 参数用于设置图例的标题。
显示图表：使用 plt.show() 将绘制的图表展示出来。
通过这种方式，你可以清楚地区分和展示多个数据集的分布特征。核密度估计图是探索数据分布的一个非常有用的工具，而图例则帮助更好地解读这些分布。
