カーネル密度推定(Kernel Density Estimation: KDE)とは Wikipediaあたりご参考願います。 状況によっては(データ数が多い、滑らかな分布関数に従っている、etc.)、ヒストグラムよりデータの概要を把握するのに役立ちます。 適当なデータを作る まずは必要なパッケージを読み込み、正規分布を重ねあわせた双峰性のデータセットを5個ほど作ります。 import numpy as np from scipy.stats import gaussian_kde import matplotlib.pyplot as plt N = 5 means = np.random.randn(N,2) * 10 + np.array([100, 200]) stdev = np.random.randn(N,2) * 10 + 30 count = np.int64(np.in