Matplotlib数据分布型图表（3

python数据可视化之路

发布于 2023-02-23 12:54:37

1.2K00

代码可运行

文章被收录于专栏：python数据分析实践python数据分析实践

运行总次数：0

代码可运行

本篇介绍增强箱型图、小提琴图和二维统计直方图绘制方法。其中增强箱型图和小提琴图用到了seaborn库，二维统计直方图用到了matplotlib库。

5 增强箱型图

增强箱型图是从箱型图基础上发展而来。一般箱型图中包含了下四分位数、中位数、上四分位数、上下界和异常值组成。对于大数据而言，内部可能存在多种的数据分布情况，因此增强箱型图是用于大数据量下的绘制方法，它包括了更多的分位数显示数据的分布。

它使用了seaborn库的boxenplot方法。

基础语法：

seaborn.boxenplot(x,y,hue,data,order,hue_order,orient,ax,**kwargs)

x：x轴的数值列名（本实例中为season）

y：y轴的数值列名（本实例中为pm2_5）

hue：分类显示的列名

data：采用的数据名称（本实例为df）

order：x轴数值的顺序排列（列表）

hue_order：分类显示的顺序排列

orient：排列方向，默认水平，如果垂直，参数值为'h'

ax：图形绘制到哪个子区内

具体语法参考：

https://seaborn.pydata.org/generated/seaborn.boxenplot.html?highlight=boxenplot#seaborn.boxenplot

实例：现有一组数据（df），记录了2015年站点不同季节的PM2.5数值，共计98万余条，现用箱型图和增强箱型图表示。

代码如下：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

#创建画布新建字体样式
fig = plt.figure(figsize = (15, 5))
font1 = {'family': 'Times New Roman', 'size': 14}

#增强箱型图
ax1 = fig.add_subplot(131)
sns.boxenplot(x = 'season', y = 'pm2_5', data = df, ax = ax1)
ax1.set_title('Boxenplot Mapping', font1)

#普通箱型图，设置异常值大小为1（fliersize参数） 
ax2 = fig.add_subplot(132)
sns.boxplot(x = 'season', y = 'pm2_5', data = df, ax = ax2, fliersize = 1) #最后一个参数为异常点大小
ax2.set_yticks([]) #取消y轴刻度
ax2.set_ylabel('') #取消y轴标签
ax2.set_title('Boxplot 1.5*IQR', font1)

#普通箱型图，设置异常值范围为2*IQR(默认为1.75*IQR,whis参数)，并添加凹陷
ax3 = fig.add_subplot(133)
sns.boxplot(x = 'season', y = 'pm2_5', data = df, notch = True, ax = ax3, fliersize = 1, whis = 2)
ax3.set_yticks([])
ax3.set_ylabel('')
ax3.set_title('Boxplot 2*IQR', font1)

plt.subplots_adjust(wspace = 0.03)
plt.show()

从图中可以看出，与普通箱型图相比，增强箱型图可以展现大数据量更多的细节。它不仅表示了数据的范围、异常值，还表示了在不同数值段的数据分布情况。

6 小提琴图

小提琴图用于显示数据分布及其概率密度。这种图表结合了箱型图和密度图的特征，主要用来显示数据的分布形状。

图片来自知乎

上图展示了箱型图与小提琴图的关系，小提琴图也展示了最小值、最大值、中位数、四分位数和离群值，并在此基础上添加了密度曲线。

小提琴图利用了seaborn库的violinplot方法。

基础语法：

seaborn.violinplot(x,y,data,hue,order,hue_order,orient,scale,inner,ax,**kwargs)

参数解释同增强箱型图一致，其他的参数解释：

scale：用于调整宽度的参数，默认为area，还可以为count（根据数量调整宽度），width

inner：小提琴图内部形态，默认为box（箱型图），还可以为quartile（绘制分位数）、stick（绘制竖线)、point（绘制点）

现有一组数据（df），记录了2015年4季的pm2.5浓度，现用小提琴图表示。

代码如下：

fig = plt.figure(figsize = (15, 5))
#默认绘图
ax1 = fig.add_subplot(131)
sns.violinplot(x = 'season', y = 'pm2_5', data = df, ax = ax1)
#设置宽度为count，透明度为30%（saturation参数） 
ax2 = fig.add_subplot(132)
sns.violinplot(x = 'season', y = 'pm2_5', data = df, ax = ax2, scale = 'count', saturation = .3) 
#设置内部形态采用分位数表示
ax3 = fig.add_subplot(133)
sns.violinplot(x = 'season', y = 'pm2_5', data = df, ax = ax3, inner = 'quartile') 

plt.show()

7 二维统计直方图

二维统计直方图主要针对二维数据的统计分析，X-Y轴数据为数值型。首先要确定一个区间，使其包含所有数据。将区间分为若干子区间，并计算每个子区间的频数，并用颜色填充。我们也称这样的统计图为二维二位频数分布直方图。

本实例中利用了matplotlib库的hist2d和hexbin方法绘制。

基本语法（根据笔者的实际经验列举）：

plt.hist2d(x,y,bins,cmap,norm,**kwargs)

plt.hexbin(x,y,bins,cmap,**kwargs)

x：x轴坐标数值（数组或列表）

y：y轴坐标数值（数组或列表）

bins：在hist2d中，为区间数；在hexbin中为区间的划分方法，一般取'log'

norm：颜色正则化方法

具体可参考：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.hist2d.html?highlight=hist2d#matplotlib.axes.Axes.hist2d

现有一组数据（df），记录了2015年pm2.5浓度（共98万条数据），用二维统计直方图表示，代码如下：

from matplotlib import colors 
import matplotlib.pyplot as plt

font1 = {'family':'Times New Roman', 'size': 14}
fig = plt.figure(figsize = (10, 5))

x = df['pm2_5'].values.tolist()
y = df['pred_pm2_5'].values.tolist()

#设置cmap为jet（颜色映射），正则化方法为Log正则化
ax1 = fig.add_subplot(121)
ax1.hist2d(x, y, bins = 100, cmap = 'jet', norm = colors.LogNorm())

ax2 = fig.add_subplot(122)
cf = ax2.hexbin(x, y, bins = 'log', cmap = 'jet')
ax2.set_yticks([]) #取消ax2的y轴刻度 

#设置颜色条带 
cbar = plt.colorbar(cf, ax = ax2)
cbar.set_label('Count(N)', fontdict = font1, rotation = -90, labelpad = 15)

plt.subplots_adjust(wspace = 0.03)
plt.show()