用python绘制多变量的小提琴图

最新推荐文章于 2024-10-03 09:02:12 发布

徐木叶

最新推荐文章于 2024-10-03 09:02:12 发布

阅读量1.5k

点赞数 22

文章标签： python 数据分析数据可视化

本文链接：https://blog.csdn.net/m0_55024942/article/details/142173868

版权

在这里插入图片描述
绘制不同公司在两个市场中的销量小提琴图如上，发现：

需要核查原始数据集的销量数据是否规范，是否有负数或空缺值的情况
从左数，
– 第一个公司在两个市场下的销售量比较平均，在蓝色代表的市场中占领头部
– 第二个基本没有在橙色代表的市场上有布局，和第一家公司在蓝色代表的市场中是激烈的竞争关系
– 第三家公司在蓝色代表的市场中基本在末尾，橙色市场中也比较分散，
– 第四家公司体量应该最小没什么水花

实现代码如下

import matplotlib.pyplot as plt
import seaborn as sns

# 设置字体为 Microsoft YaHei
plt.rcParams['font.family'] = 'Microsoft YaHei'

# 设置调色板
sns.set_palette("colorblind")

# 绘制图表
fig, ax = plt.subplots()
ax = sns.violinplot(x="集团", y="sales", hue="categoryName", split=True, data=d[d['Automotive_rank'] <= how_high])  #split为True就把两个小提琴放一起了
ax.set_title('Distribution of total bill amount per day', fontsize=16)
plt.show()

这段代码是使用Python的matplotlib和seaborn库来绘制小提琴图（violin plot），这是一种用于展示数据分布的可视化方法，特别适用于显示多个组的分布情况。下面是代码的逐步解释：

import matplotlib.pyplot as plt 和 import seaborn as sns：
- 这两行代码导入了matplotlib和seaborn库。matplotlib是一个用于创建静态、交互式和实时的2D图表的Python库。seaborn是基于matplotlib的高级绘图库，它提供了一个高级接口，用于绘制吸引人的统计图形。
plt.rcParams['font.family'] = 'Microsoft YaHei'：
- 这行代码设置了图表中使用的字体为Microsoft YaHei，这是一种常用的中文字体，确保中文字符能够正确显示。
sns.set_palette("colorblind")：
- 这行代码设置了图表的颜色调色板为“colorblind”，这是一个为色盲用户设计的调色板，使用不同的颜色和图案来区分不同的数据组。
fig, ax = plt.subplots()：
- 这行代码创建了一个图表对象fig和一个坐标轴对象ax。plt.subplots()是一个方便的工厂函数，用于创建一个图形和一个或多个子图。
ax = sns.violinplot(x="集团", y="sales", hue="categoryName", split=True, data=d[d['Automotive_rank'] <= how_high])：
- sns.violinplot()是seaborn库中用于绘制小提琴图的函数。
- x="集团"：指定小提琴图的x轴数据，即每个小提琴代表的分组。
- y="sales"：指定小提琴图的y轴数据，即每个分组的数值。
- hue="categoryName"：指定颜色分组，即在每个小提琴内部，根据categoryName的不同，用不同的颜色表示不同的子组。
- split=True：当hue参数存在时，这个参数设置为True会将每个小提琴图分成两部分，以显示不同子组的分布。
- data=d[d['Automotive_rank'] <= how_high]：指定绘制图表的数据源，这里是一个DataFrame d，并且通过条件筛选只选择Automotive_rank小于或等于how_high的行。
ax.set_title('Distribution of total bill amount per day', fontsize=16)：
- 这行代码设置了图表的标题，并且指定了标题的字体大小。
plt.show()：
- 这行代码显示了图表。在Jupyter Notebook或其他IDE中，这会导致图表在输出中显示。