数据可视化库 matplotlib 入门7——箱形图、小提琴图

在前面关于 matploblib 的文章中，笔者分别介绍了：

• matplotlib 库的安装与配置、常用套路和绘图组件
• 画布和绘图域的创建、图素的设置、用 plot 函数绘制线图并设置图例、网格
• 绘制多种柱状图
• 绘制直方图
• 绘制饼图
• 绘制散点图

本篇介绍 箱形图和小提琴图 以及 matplotlib 绘制的方法并给出了示例。

箱形图

箱形图（Box-plot）于 1977 年由美国著名统计学家约翰·图基（John Tukey）发明，因形状像箱子而得名。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数，用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

箱形图结构如下图所示，从上四分位数到下四分位数绘制一个盒子，然后用一条垂直触须（称为“盒须”）穿过盒子的中间。上垂线延伸至上边缘（最大值），下垂线延伸至下边缘（最小值）。

boxplot() 函数

Matplotlib 提供了 boxplot() 函数来绘制箱形图，可以应用在 MATLAB 样式以及面向对象的绘图方法中。当与 axes 对象一起使用时，语法格式如下：

• axes.boxplot(x, notch, sym, vert, whis, positions, widths, patch_artist, bootstrap, usermedians, conf_intervals, meanline, showmeans, showcaps, showbox, showfliers, boxprops, labels, flierprops, medianprops, meanprops, capprops, whiskerprops, manage_ticks=True, autorange=False, zorder, capwidths, *, data)
  x：数据序列。
  notch：若为 True，将生成一个缺口箱线图。否则，生成一个矩形箱线图。
  sym：字符串值，它是飞行点数的默认符号。
  vert：若为 True，它会使方框垂直，否则是水平的。
  whis：决定了晶须在第一和第三四分位数以外的延伸范围。
  positions：设置框的位置。
  widths：用于设置带有标量或序列的每个框的宽度。
  patch_artist：若为 False，则用于生成带有 Line2D 艺术方框。
  bootstrap：布尔值，指定是否引导切口箱线图的中间值周围的置信区间。
  usermedians：一个数组或序列，其第一个维度与 x 兼容。
  conf_interval：一个数组或序列，其第一个维度与 x 兼容，第二个维度为 2。
  labels：每个数据集的标签。
  manage_ticks：调整 tick 的位置和标签。
  zorder：该参数用于设置箱线图的 zorder。

绘制示例

示例：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(10)
a1 = np.random.normal(90, 20, 200)
a2 = np.random.normal(70, 25, 200)
a3 = np.random.normal(100, 10, 200)
a4 = np.random.normal(80, 30, 200)

fig = plt.figure('Box example1', figsize=(7, 9))
ax1 = fig.add_subplot(211)
ax1.boxplot([a1, a2, a3, a4], labels=['data1','data2','data3','data4'])
ax1.set_title('matplotlib.axes.Axes.boxplot() Example')

ax2 = fig.add_subplot(212)
ax2.boxplot([a1, a2, a3, a4], notch=True, vert=False, whis=0.75)  # 生成缺口箱线图，水平方向，并指定延伸范围
plt.show()

上述代码绘制图像如下：

小提琴图

小提琴图（Violin Plot）是用来展示数据分布状态以及概率密度的图表，跟箱形图类似，但小提琴图还显示数据在不同数值下的概率密度。小提琴图使用核密度估计（KDE）来计算样本的分布情况，图中要素包括了中位数、四分位间距以及置信区间。在数据量非常大且不方便一一展示的时候，小提琴图特别适用。

小提琴图比箱型图提供了更多的信息，虽然箱型图显示了均值、中位数和上、下四分位数等统计信息，但是小提琴图却显示了数据的完整分布情况，这更利于数据的分析与比对。

violinplot() 函数

Matplotlib 提供了 violinplot() 函数来绘制小提琴图，可以应用在 MATLAB 样式以及面向对象的绘图方法中。当与 axes 对象一起使用时，语法格式如下：

• axes.violinplot(dataset, positions, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, quantiles, points=100, bw_method, *, data)
  dataset：绘制小提琴图的数据序列
  positions： 指定小提琴图位置，默认为：[1, 2, …, n]
  vert：若为 True，它会使小提琴图垂直，否则是水平的。
  widths：最大相对宽度，默认0.5。
  showmeans、showextrema、showmedians：是否显示均值、极值、中位数
  quantiles：指定分位数，0到1之间。
  points：核密度估计点数，默认100。
  bw_method：带宽计算方法，可以是 ‘scott’、'silverman’或者可调用对象。

绘制示例

示例：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mps

np.random.seed(10)
a1 = np.random.normal(loc=90, scale=20, size=200)
a2 = np.random.normal(70, 25, 200)
a3 = np.random.normal(100, 10, 200)
a4 = np.random.normal(80, 30, 200)

fig = plt.figure('Violin example1', figsize=(6, 9))
ax1 = fig.add_subplot(211)
ax1.violinplot([a1, a2, a3, a4])
ax1.set_title('matplotlib.axes.Axes.violinplot() Example')
ax1.grid(axis='y')

ax2 = fig.add_subplot(212)
h12 = ax2.violinplot([a1, a2], positions=[1,2], vert=False, showmeans=True)
h3 = ax2.violinplot([a3], positions=[4], vert=False, showmeans=True)
h4 = ax2.violinplot([a4], positions=[6], vert=False, showmeans=True, showmedians=True)

h12_color = h12['bodies'][0].get_facecolor().flatten()  # 用不同颜色区分不同的小提琴图
h3_color = h3['bodies'][0].get_facecolor().flatten()
h4_color = h4['bodies'][0].get_facecolor().flatten()

h12_patch = mps.Patch(color=h12_color, label='data1 and data2')
h3_patch = mps.Patch(color=h3_color, label='data3')
h4_patch = mps.Patch(color=h4_color, label='data4')
ax2.legend(handles=[h12_patch, h3_patch, h4_patch], loc='center left')  # 给小提琴图加图例的方法

plt.show()

上述代码绘制图像如下：

以上。