要给一组数据绘制集中度图，可以使用 pandas 的 `plot()` 方法和 `kind=’kde’` 参数。KDE（Kernel Density Estimation）是一种用于估计概率密度函数的非参数方法，可以用于绘制集中度图。
下面是一个示例代码：
“`python
import pandas as pd
# 创建一组数据
data = pd.Series([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5])
# 绘制集中度图
data.plot(kind=’kde’)
“`
这段代码会使用 `Series` 类创建一组数据，并使用 `plot()` 方法绘制集中度图。`kind=’kde’` 参数表示使用 KDE 方法绘制集中度图。
绘制出来的图形可以显示数据的分布情况，以及数据的集中程度。集中度越高，图形在该位置的峰值就越高。

两组数据分析

如果要比较两组数据的集中度，可以将两组数据合并为一个 DataFrame，然后使用 `plot()` 方法和 `kind=’kde’` 参数绘制集中度图。下面是一个示例代码：
“`python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 创建两组数据
data1 = pd.Series(np.random.normal(0, 1, size=100))
data2 = pd.Series(np.random.normal(3, 1, size=100))
# 将两组数据合并为一个 DataFrame
df = pd.concat([data1, data2], axis=1, keys=[‘data1’, ‘data2′])
# 绘制集中度图
df.plot(kind=’kde’)
plt.show()
“`
这段代码首先使用 `Series` 类创建两组随机数据，然后使用 `concat()` 方法将两组数据合并为一个 DataFrame。`axis=1` 表示按列方向进行合并，`keys=[‘data1’, ‘data2’]` 表示为两组数据设置列名。
最后，使用 `plot()` 方法和 `kind=’kde’` 参数绘制集中度图，并使用 `plt.show()` 方法显示图形。绘制出来的图形可以显示两组数据的分布情况以及集中度的比较。