分布（四）利用python绘制小提琴图

本文链接：https://blog.csdn.net/weixin_39293132/article/details/136454748

本文详细介绍了如何使用Python的seaborn库绘制和定制小提琴图，包括基本的绘制方法，以及如何通过调整参数实现多样化的图形展示，如多个变量、分组和自定义样式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分布（四）利用python绘制小提琴图

小提琴图（Violin plot）简介

小提琴图主要用于显示数据分布及其概率密度。中间的黑色粗条表示四分位数范围，从其延伸的幼细黑线代表 95% 置信区间（以外则为异常点），而白点则为中位数。小提琴图结合了箱线图和密度图的优点，既可以了解数据统计信息，也可以了解数据分布特点。

快速绘制

基于seaborn

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="darkgrid")

# 导入数据
df = sns.load_dataset('iris')

# 利用violinplot函数绘制小提琴图
sns.violinplot(x=df["species"], y=df["sepal_length"])

plt.show()

定制多样化的小提琴图

自定义小提琴图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

seaborn主要利用violinplot绘制小提琴图，可以通过seaborn.violinplot了解更多用法

绘制多个小提琴图

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')
df_tips = sns.load_dataset('tips')

fig, ax = plt.subplots(1,3, figsize=(12,4))

# 多个数值变量的小提琴图
sns.violinplot(data=df.iloc[:,0:2], ax=ax[0])
ax[0].set_title('多个数值变量')

# 一个数值变量多个分组的小提琴图
sns.violinplot( x=df["species"], y=df["sepal_length"], ax=ax[1] )
ax[1].set_title('一个数值变量多个分组')

# 一个数值变量多个分组子分组的小提琴图
sns.violinplot(x="day", y="total_bill"