溶图模板拉大提琴（可视化神器Plotly玩转小提琴图）
溶图模板拉大提琴（可视化神器Plotly玩转小提琴图）# 采用的是消费数据tips tips = px.data.tips() tips.head() 四、基于点的小提琴图首先绘制的是基于数据点的小提琴图：import numpy as np import pandas as pd import plotly_express as px import plotly.graph_objects as go 本文中使用的pandas中自带的消费数据：resource:https://datavizcatalogue.com/它结合了之前介绍的箱型图和密度图的双重特征，能够用来显示数据的分布形状。先导入需要的ku：
大家好，本文介绍如何利用Plotly来绘制小提琴图，是一种统计类的图形，基于两种方法实现：
- 基于plotly_express
- 基于plotly.graph_objects
看下实际绘制的小提琴图效果：
那究竟什么是小提琴图？
小提琴图（Violin Plot）是一种用来显示数据分布和概率密度的图形。
resource:https://datavizcatalogue.com/
它结合了之前介绍的箱型图和密度图的双重特征，能够用来显示数据的分布形状。
先导入需要的ku：
import numpy as np
import pandas as pd
import plotly_express as px
import plotly.graph_objects as go
本文中使用的pandas中自带的消费数据：
# 采用的是消费数据tips
tips = px.data.tips()
tips.head()
首先绘制的是基于数据点的小提琴图：
fig = px.strip(
tips # 指定数据
x='day' # xy轴
y='total_bill'
color='day' # 颜色
)
fig.show()
根据4个day的取值来分别绘制小提琴图：
fig = px.violin(tips y="total_bill") # 使用total_bill数据
fig.show()
换了一份数据再绘图：
fig = px.violin(tips y="tip") # 使用的是小费tip
fig.show()
上面的图形是没有数据点的，下面是将数据点也显示在提琴图的旁边，参数是points：
fig = px.violin(
tips
y="total_bill"
box=True # 开启之后在小提琴图里面绘制箱型图
points='all' # all-全部 outliers-离群点 False-不显示，默认
)
fig.show()
这个案例中没有离群点，所以points=outliers或者False，结果是相同的：
通过字段的不同取值来分别绘制不同的小提琴图：
fig = px.violin(
tips
y="total_bill" # 绘制的数据
x="day"
color="sex"
box=True
points="all"
hover_data=tips.columns # 悬停显示的数据信息
)
fig.show()
两种不同的图形主要是通过小提琴的模式来决定的，使用的参数是violinmode：
fig = px.violin(
tips
y='total_bill'
color='sex'
violinmode='overlay' # overlay-覆盖型 group-分组
hover_data=tips.columns
)
fig.show()
fig = px.violin(
tips
y='total_bill'
color='sex'
violinmode='group' # overlay-覆盖型 group-分组
hover_data=tips.columns
)
fig.show()
fig = go.Figure(data=go.Violin(
y=tips['total_bill'] # 绘图数据
box_visible=True # 内部箱体是否显示
line_color='red' # 线条颜色
meanline_visible=True # 是否显示中线
fillcolor='seagreen' # 填充色
opacity=0.5 # 透明度
x0='Tip-小提琴图' # x轴标题
))
fig.update_layout(yaxis_zeroline=False)
fig.show()
在一个画布中同时绘制多个小提琴图。在消费数据tips中的day字段有4个不同的取值：
通过一个for循环来遍历实现4个图形的绘制：
fig1 = go.Figure() # 生成一个Figure对象
# 通过循环在对象上添加4个轨迹trace
for day in day_list:
fig1.add_trace(go.Violin(
x=tips["day"][tips["day"] == day]
y=tips["total_bill"][tips["day"] == day]
name=day
box_visible=True
meanline_visible=True
))
fig1.show()
fig2 = go.Figure()
fig2.add_trace(go.Violin(
x=tips[ tips['sex'] == 'Male' ]['day'] # 绘图的xy轴数据
y=tips['total_bill'][ tips['sex'] == 'Male' ]
# legendgroup='男' # 图例分组
# scalegroup='男'
name='男' # 图形轨迹名称
line_color='blue' # 线条颜色
))
fig2.add_trace(go.Violin(
x=tips['day'][tips['sex'] == 'Female' ]
y=tips['total_bill'][tips['sex'] == 'Female' ]
# legendgroup='女'
# scalegroup='女'
name='女'
line_color='orange')
)
# 设置箱体和中位线是否显示
fig2.update_traces(box_visible=True meanline_visible=True)
# 小提琴图模式：overlay覆盖型 group分组
fig2.update_layout(violinmode='group')
fig2.show()
在小提琴图中我们可以看到它是由两个部分组成的，分为negative和positive，取值不同会呈现不同的图形：
import plotly.graph_objects as go
import pandas as pd
# 如何使用pandas读取网页在线的csv文件
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/violin_data.csv")
fig = go.Figure()
fig.add_trace(go.Violin(
x=df['day'][ df['smoker'] == 'Yes' ]
y=df['total_bill'][ df['smoker'] == 'Yes' ]
# legendgroup='Yes'
# scalegroup='Yes'
name='Yes'
side='negative' # 'both-全部' 'positive-右' 'negative-左'
line_color='blue')
)
fig.add_trace(go.Violin(
x=df['day'][ df['smoker'] == 'No' ]
y=df['total_bill'][ df['smoker'] == 'No' ]
# legendgroup='No'
# scalegroup='No'
name='No'
side='positive'
line_color='lightseagreen')
)
# 设置轨迹参数
fig.update_traces(meanline_visible=True # 中位数是否显示
points='all' # 是否显示点
jitter=0.05 # 在每个点之间加上抖动，可视化效果更好
scalemode='count') # 'width' 'count'
fig.update_layout(violingap=0 violinmode='overlay') # 设置间隔和模式
fig.show()
介绍两个官网中的高级小提琴图的例子：
另一个是绘制Ridgeline（脊型） Plots图形的例子，当做欣赏：
import plotly.graph_objects as go
from plotly.colors import n_colors
import numpy as np
np.random.seed(1)
data = (np.linspace(1 2 12)[: np.newaxis] * np.random.randn(12 200)
(np.arange(12) 2 * np.random.random(12))[: np.newaxis])
print(data)
# 'rgb(5 200 200)' 'rgb(200 10 10)' 表示第一个和最后一个颜色，12表示个数，colortype表示类型
colors = n_colors('rgb(5 200 200)' 'rgb(200 10 10)' 12 colortype='rgb')
print(colors)
fig = go.Figure()
for data_line color in zip(data colors):
fig.add_trace(go.Violin(x=data_line line_color=color))
fig.update_traces(orientation='h' side='positive' width=3 points=False)
fig.update_layout(xaxis_showgrid=False xaxis_zeroline=False)
fig.show()
原文链接：
https://mp.weixin.qq.com/s/3VbNaJRRfDurN77VTqXRWw
