Fork me on GitHub

可视化神器Plotly玩转小提琴图

可视化神器Plotly玩转小提琴图

在之前的Plotly文章中已经介绍过如何制作柱状图、散点图、饼图、箱型图等,本文介绍如何利用Plotly来绘制小提琴🎻图,基于两种方法:

  • 基于plotly_express
  • 基于plotly.graph_objects

小提琴图

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/

一个学习可视化图形的网站: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。

  • 中间黑色粗条:表示四分位数的范围
  • 中间白点:表示中位数
  • 延伸的细黑线:代表95%的置信区间

Plotly系列

Plotly的文章会形成连载系列,前面10篇Plotly可视化文章分别是:

导入库、数据

先导入需要的库:

1
2
3
4
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:

1
2
3
# 采用的是消费数据tips
tips = px.data.tips()
tips.head()

基于点的小提琴图

首先绘制的是基于数据点的小提琴图:

1
2
3
4
5
6
7
8
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:

基于Plotly_Express实现

基础小提琴图

1
2
fig = px.violin(tips,y="total_bill")  # 使用total_bill数据
fig.show()

换了一份数据再绘图:

1
2
fig = px.violin(tips,y="tip")  # 使用的是小费tip
fig.show()

带数据点的小提琴图

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:

1
2
3
4
5
6
7
8
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:

分组小提琴图

通过字段的不同取值来分别绘制不同的小提琴图:

1
2
3
4
5
6
7
8
9
10
11
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()

覆盖型、分组型小提琴图

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:

1
2
3
4
5
6
7
8
9
fig = px.violin(
tips,
y='total_bill',
color='sex',
violinmode='overlay', # overlay-覆盖型 group-分组
hover_data=tips.columns
)

fig.show()

1
2
3
4
5
6
7
8
9
fig = px.violin(
tips,
y='total_bill',
color='sex',
violinmode='group', # overlay-覆盖型 group-分组
hover_data=tips.columns
)

fig.show()

基于go.Violin实现

基础小提琴图

1
2
3
4
5
6
7
8
9
10
11
12
13
  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()

多个小提琴图

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:

1
2
3
4
5
6
7
8
9
10
11
12
13
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()

分组小提琴图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
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()

正负形小提琴图

在小提琴图中我们可以看到它是有两个部分组成的,分为negative和positive,取值不同会呈现不同的图形:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
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()

高级小提琴图

介绍两个官网中的高级小提琴图的例子:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
import plotly.graph_objects as go

import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/violin_data.csv")

# 设置点的位置和图例的显示
pointpos_male = [-0.9,-1.1,-0.6,-0.3]
pointpos_female = [0.45,0.55,1,0.4]
show_legend = [True,False,False,False]

fig = go.Figure()

# pd.unique(df['day']):表示day的不重复个数
for i in range(0,len(pd.unique(df['day']))):
fig.add_trace(go.Violin(
# 添加两个轴的数据
x=df['day'][(df['sex'] == 'Male') & (df['day'] == pd.unique(df['day'])[i])],
y=df['total_bill'][(df['sex'] == 'Male')&(df['day'] == pd.unique(df['day'])[i])],
# 设置图例和尺度分组、名称
legendgroup='M',
scalegroup='M',
name='M',
# 设置显示的数据:negative左边 positive右边
side='negative',
pointpos=pointpos_male[i], #
line_color='lightseagreen',
showlegend=show_legend[i])
)
fig.add_trace(go.Violin(
x=df['day'][(df['sex'] == 'Female') &(df['day'] == pd.unique(df['day'])[i])],
y=df['total_bill'][(df['sex'] == 'Female')&(df['day'] == pd.unique(df['day'])[i])],
legendgroup='F',
scalegroup='F',
name='F',
side='positive',
pointpos=pointpos_female[i],
line_color='mediumpurple',
showlegend=show_legend[i])
)

# 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(
title_text="高级小提琴图绘制",
violingap=0, # 小提琴图之间的间隔
violingroupgap=0, # 小提琴图组之间的间隔
violinmode='overlay' # 覆盖模式
)

fig.show()

另一个是绘制Ridgeline(脊型) Plots图形的例子,当做欣赏:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
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()

本文标题:可视化神器Plotly玩转小提琴图

发布时间:2021年06月12日 - 16:06

原始链接:http://www.renpeter.cn/2021/06/12/%E5%8F%AF%E8%A7%86%E5%8C%96%E7%A5%9E%E5%99%A8Plotly%E7%8E%A9%E8%BD%AC%E5%B0%8F%E6%8F%90%E7%90%B4%E5%9B%BE.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

Coffee or Tea