可视化神器Plotly玩转小提琴图?

可视化神器Plotly玩转小提琴图

在之前的Plotly文章中已经介绍过如何利用Plotly制作柱状图、散点图、饼图等常见的可视化图形，还有K线图和箱型图，本文介绍如何利用Plotly来绘制小提琴?图，也是一种统计类的图形，基于两种方法实现：：

• 基于plotly_express
• 基于plotly.graph_objects

小提琴图

看下实际绘制的小提琴图效果：

那究竟什么是小提琴图？

小提琴图（Violin Plot）是一种用来显示数据分布和概率密度的图形。

一个学习可视化图形的网站：datavizcatalogue.com/。

它结合了之前介绍的箱型图和密度图的双重特征，能够用来显示数据的分布形状。

• 中间黑色粗条：表示四分位数的范围
• 中间白点：表示中位数
• 延伸的细黑线：代表95%的置信区间

Plotly系列

Plotly的文章会形成连载系列，前面10篇Plotly可视化文章分别是：

• 酷炫！36张图爱上高级可视化神器Plotly_Express
• Plotly玩转散点图
• Plotly玩转饼图
• Plotly玩转漏斗图
• Plotly玩转柱状图
• Plotly玩转气泡图
• Plotly玩转股票图
• Plotly玩转甘特图
• Plotly玩转箱型图
• Plotly玩转面积图

导入库、数据

先导入需要的库：

import numpy as np
import pandas as pd
import plotly_express as px
import plotly.graph_objects as go
复制代码

本文中使用的pandas中自带的消费数据：

# 采用的是消费数据tips
tips = px.data.tips()
tips.head()
复制代码

基于点的小提琴图

首先绘制的是基于数据点的小提琴图：

fig = px.strip(
    tips,   # 指定数据
    x='day',   # xy轴
    y='total_bill',
    color='day'  # 颜色
    )

fig.show()
复制代码

根据4个day的取值来分别绘制小提琴图：

基于Plotly_Express实现

基础小提琴图

fig = px.violin(tips,y="total_bill")  # 使用total_bill数据
fig.show()
复制代码

换了一份数据再绘图：

fig = px.violin(tips,y="tip")  # 使用的是小费tip
fig.show()
复制代码

带数据点的小提琴图

上面的图形是没有数据点的，下面是将数据点也显示在提琴图的旁边，参数是points：

fig = px.violin(
    tips,
    y="total_bill",
    box=True,   # 开启之后在小提琴图里面绘制箱型图
    points='all'  # all-全部   outliers-离群点   False-不显示，默认
)

fig.show()
复制代码

这个案例中没有离群点，所以points=outliers或者False，结果是相同的：

分组小提琴图

通过字段的不同取值来分别绘制不同的小提琴图：

fig = px.violin(
    tips,
    y="total_bill",  # 绘制的数据
    x="day",
    color="sex",
    box=True,
    points="all",
    hover_data=tips.columns  # 悬停显示的数据信息
)

fig.show()
复制代码

覆盖型、分组型小提琴图

两种不同的图形主要是通过小提琴的模式来决定的，使用的参数是violinmode：

fig = px.violin(
    tips,
    y='total_bill',
    color='sex',
    violinmode='overlay',   # overlay-覆盖型   group-分组
    hover_data=tips.columns
)

fig.show()
复制代码

fig = px.violin(
    tips,
    y='total_bill',
    color='sex',
    violinmode='group',   # overlay-覆盖型   group-分组
    hover_data=tips.columns
)

fig.show()
复制代码

基于go.Violin实现

基础小提琴图

  fig = go.Figure(data=go.Violin(
    y=tips['total_bill'],  # 绘图数据
    box_visible=True,  # 内部箱体是否显示
    line_color='red',  # 线条颜色
    meanline_visible=True,  # 是否显示中线
    fillcolor='seagreen',  # 填充色
    opacity=0.5,  # 透明度
    x0='Tip-小提琴图'   # x轴标题
))

fig.update_layout(yaxis_zeroline=False)

fig.show()
复制代码

多个小提琴图

在一个画布中同时绘制多个小提琴图。在消费数据tips中的day字段有4个不同的取值：

通过一个for循环来遍历实现4个图形的绘制：

fig1 = go.Figure()  # 生成一个Figure对象

# 通过循环在对象上添加4个轨迹trace
for day in day_list:
    fig1.add_trace(go.Violin(
        x=tips["day"][tips["day"] == day],
        y=tips["total_bill"][tips["day"] == day],
        name=day,
        box_visible=True,
        meanline_visible=True
       ))
    
fig1.show()
复制代码

分组小提琴图

python

fig2 = go.Figure()

fig2.add_trace(go.Violin(
    x=tips[ tips['sex'] == 'Male' ]['day'],  # 绘图的xy轴数据
    y=tips['total_bill'][ tips['sex'] == 'Male' ],
#     legendgroup='男', # 图例分组
#     scalegroup='男',  
    name='男',  # 图形轨迹名称
    line_color='blue'  # 线条颜色
))

fig2.add_trace(go.Violin(
    x=tips['day'][tips['sex'] == 'Female' ],
    y=tips['total_bill'][tips['sex'] == 'Female' ],
#     legendgroup='女', 
#     scalegroup='女', 
    name='女',
    line_color='orange')
)

# 设置箱体和中位线是否显示
fig2.update_traces(box_visible=True, meanline_visible=True)
  
# 小提琴图模式：overlay覆盖型   group分组
fig2.update_layout(violinmode='group')  

fig2.show()
复制代码

正负形小提琴图

在小提琴图中我们可以看到它是有两个部分组成的，分为negative和positive，取值不同会呈现不同的图形：

import plotly.graph_objects as go

import pandas as pd

# 如何使用pandas读取网页在线的csv文件
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/violin_data.csv")

fig = go.Figure()

fig.add_trace(go.Violin(
    x=df['day'][ df['smoker'] == 'Yes' ],
    y=df['total_bill'][ df['smoker'] == 'Yes' ],
#     legendgroup='Yes', 
#     scalegroup='Yes', 
    name='Yes',
    side='negative',  # 'both-全部', 'positive-右', 'negative-左'
    line_color='blue')
)

fig.add_trace(go.Violin(
    x=df['day'][ df['smoker'] == 'No' ],
    y=df['total_bill'][ df['smoker'] == 'No' ],
#     legendgroup='No', 
#     scalegroup='No', 
    name='No',
    side='positive',
    line_color='lightseagreen')
)

# 设置轨迹参数
fig.update_traces(meanline_visible=True,  # 中位数是否显示
                  points='all',  # 是否显示点
                  jitter=0.05,  # 在每个点之间加上抖动，可视化效果更好
                  scalemode='count')   # 'width', 'count'

fig.update_layout(violingap=0, violinmode='overlay')  # 设置间隔和模式

fig.show()
复制代码

高级小提琴图

介绍两个官网中的高级小提琴图的例子：

import plotly.graph_objects as go

import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/violin_data.csv")

# 设置点的位置和图例的显示
pointpos_male = [-0.9,-1.1,-0.6,-0.3]
pointpos_female = [0.45,0.55,1,0.4]
show_legend = [True,False,False,False]  

fig = go.Figure()

# pd.unique(df['day'])：表示day的不重复个数
for i in range(0,len(pd.unique(df['day']))):
    fig.add_trace(go.Violin(
        # 添加两个轴的数据
        x=df['day'][(df['sex'] == 'Male') & (df['day'] == pd.unique(df['day'])[i])],
        y=df['total_bill'][(df['sex'] == 'Male')&(df['day'] == pd.unique(df['day'])[i])],
        # 设置图例和尺度分组、名称
        legendgroup='M', 
        scalegroup='M',
        name='M',
        # 设置显示的数据：negative左边  positive右边
        side='negative',
        pointpos=pointpos_male[i], # 
        line_color='lightseagreen',
        showlegend=show_legend[i])
             )
    fig.add_trace(go.Violin(
        x=df['day'][(df['sex'] == 'Female') &(df['day'] == pd.unique(df['day'])[i])],
        y=df['total_bill'][(df['sex'] == 'Female')&(df['day'] == pd.unique(df['day'])[i])],
        legendgroup='F', 
        scalegroup='F', 
        name='F',
        side='positive',
        pointpos=pointpos_female[i],
        line_color='mediumpurple',
        showlegend=show_legend[i])
)

# 设置轨迹参数
fig.update_traces(meanline_visible=True,  # 中位数是否显示
                  points='all',  # 是否显示点
                  jitter=0.05,  # 在每个点之间加上抖动，可视化效果更好
                  scalemode='count')   # 'width', 'count'
fig.update_layout(
    title_text="高级小提琴图绘制",
    violingap=0,  # 小提琴图之间的间隔
    violingroupgap=0,  # 小提琴图组之间的间隔
    violinmode='overlay'  #  覆盖模式
)

fig.show()
复制代码

另一个是绘制Ridgeline（脊型） Plots图形的例子，当做欣赏：

import plotly.graph_objects as go
from plotly.colors import n_colors
import numpy as np
np.random.seed(1)

data = (np.linspace(1, 2, 12)[:, np.newaxis] * np.random.randn(12, 200) +
            (np.arange(12) + 2 * np.random.random(12))[:, np.newaxis])

print(data)
# 'rgb(5, 200, 200)', 'rgb(200, 10, 10)' 表示第一个和最后一个颜色，12表示个数，colortype表示类型
colors = n_colors('rgb(5, 200, 200)', 'rgb(200, 10, 10)', 12, colortype='rgb')
print(colors)


fig = go.Figure()
for data_line, color in zip(data, colors):
    fig.add_trace(go.Violin(x=data_line, line_color=color))

fig.update_traces(orientation='h', side='positive', width=3, points=False)

fig.update_layout(xaxis_showgrid=False, xaxis_zeroline=False)

fig.show()
复制代码