密度图的密度估计_python数据分布型图表箱形图系列小提琴图

# 小提琴图

## 小提琴图(violin plot)

• 用于显示数据分布及其概率密度；

• 图表结合了箱形图和密度图特征；

• 主要用来显示数据的分布形状；

• 中间的黑色粗条表示四分位数范围；

• 从其中延伸的幼细黑线代表95%置信区间；

• 黑色横线为中位数；## 绘制小提琴图

• plotnine包中的geom_violin()函数实现；

• 绘制时需要设定核密度估计带宽(bandwidth)

• 在小提琴图添加箱形图，能更加全面地展示数据；

• plotnine包中的geom_jetter()函数添加抖动散点图;

• ### 小提琴图(+箱形图)

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

from plotnine import *

df=pd.read_csv('d:\python\out\DistributionD.csv')

df['class']=df['class'].astype("category",["n", "s", "k", "mm"])

#小提琴图

violin_plot=(ggplot(df,aes(x='class',y="value",fill="class"))

+geom_violin(show_legend=False)

+geom_boxplot(fill="white",width=0.1,show_legend=False)

+scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')

+theme_matplotlib()

+theme(aspect_ratio =1.05,

dpi=100,

figure_size=(4,4)))

print(violin_plot)

violin_plot.save("d:\python\out\violin_plot.pdf")

### 小提琴图(+抖动散点图)

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

from plotnine import *

df=pd.read_csv('d:\python\out\DistributionD.csv')

df['class']=df['class'].astype("category",["n", "s", "k", "mm"])

#小提琴图

violin_plot1=(ggplot(df,aes(x='class',y="value",fill="class"))

+geom_violin(show_legend=False)

+geom_jitter(fill="black",width=0.3,size=1,stroke=0.1,show_legend=False)

+scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')

+theme_matplotlib()

+theme(aspect_ratio =1.05,

dpi=100,

figure_size=(4,4)))

print(violin_plot1)

violin_plot1.save("violin_plot2.pdf")