Python是一種功能強大的編程語言，可以用于多種領域的數據處理。其中，可視化是Python中一個重要的應用方向。在可視化中，畫出數據的核密度函數可以幫助我們更好地理解數據的分布和特征。

# 導入相關包
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# 生成一組隨機數據
np.random.seed(10)
data = np.random.randn(1000)
# 用Seaborn畫出核密度函數
sns.kdeplot(data)
# 設置標題和x軸標簽
plt.title("Kernel Density Plot for Random Data")
plt.xlabel("Values")
# 顯示圖像
plt.show()

上述代碼中，我們首先導入了NumPy、Seaborn以及matplotlib.pyplot這三個常用的Python可視化工具包。隨后，通過設置隨機數種子的方式，我們生成了一組1000個隨機數據。接著，我們使用Seaborn的kdeplot()函數畫出了這一組數據的核密度函數圖形。最后，我們設置了圖形的標題和x軸標簽，并調用show()函數將圖像顯示出來。

通過上述代碼和示例，我們可以看到Python中畫出核密度函數非常簡單。當然，除了Seaborn以外，我們還可以使用其他的Python包（如SciPy和StatsModels等）來實現相同的功能，這里不再贅述。