Python 数据可视化之山脊线图 Ridgeline Plots

叶庭云

发布于 2024-05-25 08:28:24

1210

发布于 2024-05-25 08:28:24

文章被收录于专栏：Python进阶之路Python进阶之路

文章目录

一、前言
二、主要内容
三、总结

一、前言

JoyPy 是一个基于 matplotlib + pandas 的单功能 Python 包，它的唯一目的是绘制山脊线图 Joyplots（也称为 Ridgeline Plots）。

Joyplots 是堆叠的、部分重叠的密度图，就是这么简单。它们是一种很好的绘制数据的方式，可以用来直观比较分布，特别是哪些随着一个维度（比如时间）变化的分布。虽然这并不是一种新技术。

Github 地址：https://github.com/leotac/joypy

安装 joypy，使用 pip install joypy==0.2.6 就好。

在行为差异、特征工程和预测建模等场景中，了解不同组之间的变量分布差异非常有用。在这些情况下，许多数据科学家更喜欢在单一坐标轴上绘制组级分布图，例如直方图或密度图。然而，当群体较多时，简单的组级分布图可能变得混乱且难以理解。

本文将向您介绍一种紧凑而优雅的数据可视化工具：山脊线图。它以清晰的方式展示不同变量或变量类别的分布差异，帮助我们更好地理解数据中的群体特征，从而获得更深入的洞察和启发。

二、主要内容

使用鸢尾花数据集 iris.csv 做实验，这个数据集如下所示：

打印特征名称和标签，以及输出标签的 value_counts。

print(f"特征：{list(df.columns)[:-1]}")
print(f"标签：{list(df.columns)[-1]}")

特征：['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth']
标签：Name

df["Name"].value_counts()

Iris-setosa        50
Iris-versicolor    50
Iris-virginica     50
Name: Name, dtype: int64

selected_cols = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth']

fig, ax = plt.subplots(figsize=(10, 6), dpi=200)
my_title = 'Distribution of features in the iris dataset'

fig, axes = joyplot(
    data=df,
    ax=ax,
    by='Name',
    column=selected_cols,
    xlabelsize=14,
    ylabelsize=14,
    grid=True,
    hist=False,
    color=['#FF0066', '#9400D3','#002FA7', '#FFB900'],
    legend=True,
    title=my_title,
    alpha=0.86,
)

fig.savefig("./Figures/山脊图.png", dpi=300)

plt.show()

关键参数说明：

data：数据帧（DataFrame）、系列（Series）或嵌套集合（Nested collection）。常用 pandas 的 DataFrame。
ax : matplotlib axes 对象，默认为 None。
column：字符串或序列。如果传入参数，将用于将数据限制为列的子集。
by：对象，可选项。用于划分不同组的变量分布的特征名称。本次实验中是 “Name”。
grid：布尔值，默认是 True。是否显示轴网格线。
title：绘制的图表的标题。
alpha：设置透明度。
xlabels、ylabels：布尔值或列表，默认为 True。
xlabelsize：整数，默认值 None。如果指定，则更改 X 轴标签尺寸。
xrot：浮点数，默认为 None。旋转 X 轴标签的角度。
ylabelsize：整数，默认值 None。如果指定，则更改 Y 轴标签尺寸。
yrot：浮点数，默认为 None。旋转 Y 轴标签的角度。
figsize : 元组。默认情况下，要创建的图形大小（以 inches 为单位）。
color：在绘图中使用的一种或多种颜色。可以是字符串或任何可被 matplotib 解释为颜色的东西。通常传入颜色列表。
kwds : 其他绘图关键字参数，将传递给 hist