seaborn画小提琴图(violin plot)
2019-01-04
技术
简介
小提琴图是用来展示多组数据的分布状态以及概率密度。跟箱线图类似，但是可以密度层面展示更好。在数据量非常大不方便一个一个展示的时候小提琴图特别适用。而python里面的seaborn包可以很方便的画出小提琴图。
如果你只想看中位数、四分位数，箱线图通常就够了；如果你还想同时看出数据分布是否偏斜、是否有双峰趋势，小提琴图会更直观。
参数
小提琴图各位置对应参数，中间一条就是箱线图数据，25%，50%，75%位置，细线区间为95%置信区间。
seaborn实现画小提琴图
单变量数据
如果只有一个变量的话使用箱线图就好了，但是使用小提琴图当然也是可以的
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(color_codes=True)
sns.set_style("white")
df = sns.load_dataset('iris')
sns.violinplot( y=df["sepal_length"] )
plt.show()
单变量数据多组
当数据有多个组的时候，使用分组来比较
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(color_codes=True)
sns.set_style("white")
df = sns.load_dataset('iris')
sns.violinplot( x=df["species"], y=df["sepal_length"] )
plt.show()
多变量比较
小提琴图比较多个变量也是非常方便的，这里使用前4个变量比较。
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(color_codes=True)
sns.set_style("white")
df = sns.load_dataset('iris')
sns.violinplot(data=df.iloc[:,0:4])
plt.show()
使用时的小提示
- 分组特别多时，小提琴图会变得拥挤，这时可以考虑旋转坐标轴标签或改用箱线图
- 如果样本量太小，小提琴图展示出来的密度形状可能会误导判断
- 最稳妥的做法通常是把小提琴图和箱线图、散点图结合起来看
总结
到此已经把python使用seaborn包话小提琴图(violin plot)都介绍完了，如果想要更详细的文档，请参考https://seaborn.pydata.org/generated/seaborn.violinplot.html
- 原文作者：春江暮客
- 原文链接：https://www.bobobk.com/206.html
- 版权声明：本作品采用 知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议 进行许可，非商业转载请注明出处（作者，原文链接），商业转载请联系作者获得授权。