【Python画图-驯化seaborn】一文搞懂seaborn中的小提琴图实践、技巧、原理

【Python画图-驯化seaborn】一文搞懂seaborn中的小提琴图实践、技巧、原理
 
本次修炼方法请往下查看

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 免费获取相关内容文档关注：微信公众号，发送 pandas 即可获取
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

🎯 1. 基本介绍

  小提琴图（Violin Plot）是一种用于展示数据分布的图表，它结合了箱线图的特点和密度图的连续性。这种图表可以展示数据的密度估计，从而提供关于数据分布形状和集中趋势的直观信息。
  小提琴图其实是箱线图与核密度图的结合，箱线图展示了分位数的位置，小提琴图则展示了任意位置的密度，通过小提琴图可以知道哪些位置的密度较高。在图中，白点是中位数，黑色盒型的范围是下四分位点到上四分位点，细黑线表示须。外部形状即为核密度估计（在概率论中用来估计未知的密度函数，属于非参数检验方法之一）。

💡 2. 原理介绍

  小提琴图背后的主要思想是使用核密度估计（KDE）来展示数据的分布。核密度估计是一种估计概率密度函数的方法，其公式如下：
$$f(x)=\frac{1}{nh}\sum _{i=1}^{n}K(\frac{x-x_i}{h})$$
  其中：

• f(x)是在点 x 处的密度估计。
  n 是样本大小。
  h 是带宽（Kernel width）。
  K 是核函数，常用的核函数有高斯核、均匀核等。
  $x_i$是样本数据点。

🔍 3. 画图实践

3.1 数据准备

   我们通过seaborn自带的数据对其进行相关的画图，具体的导入数据代码如下所示：

import seaborn as sns
import matplotlib.pyplot as plt

# 使用Seaborn内置的tips数据集
tips = sns.load_dataset("tips")

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

3.2 单维画图

   在画小提琴图时，我们取单个维度指定方向即可，具体的代码如下所示：

import seaborn as sns
sns.set_style("whitegrid")
tips = sns.load_dataset("tips")
# 绘制小提琴图
ax = sns.violinplot(x=tips["total_bill"])

3.3 分组画图

   有时候我们需要对多个维度的分布进行对比分析，这个时候需要分组画图，具体的代码如下所示：

# 分组的小提琴图，同上面的箱线图一样通过X轴分组
ax = sns.violinplot(x="day", y="total_bill", data=tips)

  有时候我们不仅要分组，同时对每个分组内某个特征维度进行对比分析，具体的代码如下所示：

# 通过hue分组的小提琴图，相当于分组之后又分组
ax = sns.violinplot(x="day", y="total_bill", hue="smoker",
                        data=tips, palette="muted")

4 高阶用法

   有时候我们需要指定画图出现的顺序，具体的代码如下所示：

# 调整x轴顺序，同样通过order参数
ax = sns.violinplot(x="time", y="tip", data=tips,
                    order=["Dinner", "Lunch"])

🔍 5. 注意事项

• 小提琴图非常适合于比较不同组数据的分布情况，尤其是当数据集较大时。
• 核密度估计的带宽（bw）选择对图表的形状有很大影响，过小或过大的带宽可能导致误导。
• 小提琴图可以与箱线图结合使用，以提供更多关于数据集中趋势和离散程度的信息。

🔍 6. 总结

  Seaborn的小提琴图是一种展示数据分布的强大工具，它结合了箱线图和密度图的优点。通过本博客的代码示例，我们学习了如何使用Seaborn绘制小提琴图，并展示了如何通过小提琴图探索不同类别数据的分布特征。希望这篇博客能够帮助你更好地利用小提琴图进行数据探索和分析。