Matplotlib Violin -Diagramm

Matplotlib ist eine in Python verwendete Ploting -Bibliothek. Um Grafiken in Programme einzubetten, enthält es objektorientierte Schnittstellen. Es ist ein Framework zum Erstellen von 2D -Diagramme mithilfe von Array -Daten. Ein Geigendiagramm hängt im Allgemeinen mit einem Boxdiagramm zusammen, aber dieses Diagramm zeigt auch die Wahrscheinlichkeitsverteilungsfunktion der Daten an verschiedenen Parametern.

Wie bei Standard -Box -Diagrammen bieten diese Zahlen einen Marker für den Mittelwert der Daten und ein Feld, das die Quartile bezeichnet. Eine statistische Bewertung wird auf diese Box -Grafik angewendet. Geigendiagramme wie Boxdiagramme werden verwendet, um zu zeigen, wie eine variable Dispersion zwischen vielen „Klassen“ verglichen wird.In diesem Artikel diskutieren wir, wie Geigenplots in Matplotlib erstellt werden können.

Visualisieren Sie die Geigenplots unter Verwendung der Matplotlib -Bibliothek:

Der Matplotlib.Pyplot.Das Modul von ViolinPlot () generiert ein Geigendiagramm für jeden Satz von Datenabschnitten oder Variablen in einem Seriendatensatz. Verwenden Sie zusätzliche Zeilen mit dem Mittelwert, dem Durchschnitt, dem niedrigeren Wert, dem maximalen Wert und den benutzerdefinierten Datenreihen. Jeder abgedeckte Bereich erstreckt sich, um die gesamte Stichprobe anzuzeigen. Die fünf unregelmäßigen Datenpunkte werden in der folgenden Instanz mit Numpy konstruiert.

Jede Sammlung hat 1000 Einträge; Der Wert der Standardabweichung und der Mittelwerte sind jedoch variiert. Die Verwendung von Datenpunkten erstellt eine Geigengrafik.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
np.willkürlich.Samen (3)
data_1 = np.willkürlich.Normal (20, 50, 2000)
data_2 = np.willkürlich.Normal (60, 10, 2000)
Data_3 = np.willkürlich.Normal (40, 70, 2000)
data_4 = np.willkürlich.Normal (30, 80, 2000)
Data_5 = np.willkürlich.Normal (0, 10, 2000)
data = [data_1, data_2, data_3, data_4, data_5]
Fig, Ax = PLT.Nebenhandlungen ()
Axt.Geigenplot (Daten, ShowMedians = True)
PLT.zeigen()

Wir müssen die erforderlichen Bibliotheken Matplotlib einbeziehen.Pyplot so PLT und Numpy wie NP, um den Code zu starten. Matplotlib wird verwendet, um Diagramme zu zeichnen. Jetzt nutzen wir die Funktion random () mit der Numpy -Bibliothek. Wir definieren Datenpunkte zum Erstellen von Geigenplots. Hier erstellen wir fünf verschiedene Variablen, die zum Speichern der Datensätze verwendet werden.

Die Funktion np.willkürlich.für jeden Datensatz wird normal angewendet. Darüber hinaus erstellen wir eine neue Variable, die diese fünf Datensätze enthält. Wir deklarieren ein neues Objekt der Figur. Und wir beschäftigen auch die PLT.Nebenhandlungen (). Um Geigengrafiken zu zeichnen, verwenden wir die Axt.Geigenplot () Funktion. Hier geben wir 'wahr' an das Argument 'Showmedians' zu dieser Funktion. Am Ende zeigen wir das Diagramm mit der PLT an.show () Funktion.

Fügen Sie den Geigenplots Gach -Linien hinzu:

Verwenden von Matplotlibs Axt.Geigenplot () -Technik zur Erstellung einer Geigengrafik. Showmeans und Showmedianer sind zwei zusätzliche Argumente, die verwendet werden könnten. Das nachfolgende Programm erstellt ein Geigendiagramm mit vier “Geigen mit zufällig erstellten Datensätzen.”

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
data_1 = np.willkürlich.Normal (10, 12, 300)
data_2 = np.willkürlich.Normal (10, 15, 300)
Data_3 = np.willkürlich.Normal (10, 22, 300)
data_4 = np.willkürlich.Normal (10, 20, 300)
data = list ([data_1, data_2, data_3, data_4])
Fig, Ax = PLT.Nebenhandlungen ()
Axt.Geigenplot (Daten, Showmeans = True, ShowMedians = False)
Axt.set_title ('Geigengrafik')
Axt.set_xlabel ('x')
Axt.set_ylabel ('y')
XtickLabels = ['Erstes Diagramm', 'zweiter Plot', 'dritter Plot', 'Viertes Diagramm']
Axt.set_xticks ([0).9,1.9,2.9,3.9]))
Axt.set_xticklabels (XtickLabels)
Axt.Yaxis.Raster (wahr)
PLT.zeigen()

Wir importieren Matplotlib.Pyplot- und Numpy -Bibliotheken. Im nächsten Schritt erstellen wir vier verschiedene Datenpunkte. Und diese Datenpunkte werden in verschiedenen Variablen gespeichert. Jetzt deklarieren wir ein Array, das diese vier Datenpunkte enthält. Wir verwenden PLT.subplots () Methode.

Außerdem die Axt.Die Methode von Geigenplot () wird definiert. Wir setzen den Wert von Showmeans und Showmedians und gaben ihn an die Funktion weiter. Jetzt fügen wir den Titel des Diagramms ein, indem wir die Funktion set_title () anwenden. In ähnlicher Weise verwenden wir die Funktion set_xlabel () und set_ylabel, um die Beschriftungen beider Achsen zu ändern. Die Tick -Labels () werden verwendet, um eine Liste zu erstellen.

Wir setzen die Position der Etiketten dieser vier Diagramme. Und wir platzieren Beschriftungen dieser Diagramme auf die X-Achse. Vor der Verwendung der PLT.show () Um das Diagramm darzustellen, setzen wir horizontale Gitterlinien mit einer AX ein.Yaxis.gird () Methode. Und wir setzen den "wahren" Wert auf diese Funktion hier.

Visualisieren Sie vertikale Geigendiagramme:

Hier nehmen wir drei zufällige Datensätze, um Geigenplots zu erstellen.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
np.willkürlich.Samen (50)
data_1 = np.willkürlich.Normal (300, 20, 300)
data_2 = np.willkürlich.Normal (40, 70, 300)
Data_3 = np.willkürlich.Normal (10, 30, 300)
data_list = [data_1, data_2, data_3,]
Abb = PLT.Figur()
ax = Abb.Add_axes ([5,5,2,2])
bp = ax.Geigenplot (Data_List)
Axt.xaxis.Raster (wahr)
PLT.zeigen()

Zu Beginn des Code erwerben wir Bibliotheken Matplotlib.Pyplot so PLT und Numpy wie NP. Wir generieren zufällig drei Datensätze mithilfe des Numpy -Moduls. Jetzt müssen wir diese drei Datensätze zu einem Array kombinieren. Also deklarieren wir hier ein Array.

Darüber hinaus nennen wir die PLT.Abbildung () Funktion zum Erstellen eines Diagramms. Jetzt passen wir die Achsen des Diagramms an, so.add_axes (). Wir erzeugen auch eine Geigengrafik, also wenden wir die Axt an.Methode Geigenplot (). Um Gitterlinien auf der x-Achse zu erstellen, setzen wir den "wahren" Wert auf die AX.xaxis.GRI () Funktion. Wir beenden den Code, indem wir die PLT anrufen.show () Funktion.

Visualisieren Sie horizontale Geigenplot:

Durch die Verwendung des Arguments "Vert" können wir eine horizontale Geigendiagramme erstellen, wie unten aufgeführt.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
np.willkürlich.Samen (5)
data_1 = np.willkürlich.Normal (30, 30, 3000)
data_2 = np.willkürlich.Normal (80, 20, 3000)
Data_3 = np.willkürlich.Normal (10, 40, 3000)
data_4 = np.willkürlich.Normal (20, 60, 300)
Data_5 = np.willkürlich.Normal (70, 50, 3000)
Data_6 = np.willkürlich.Normal (50, 10, 3000)
d = [data_1, data_2, data_3, data_4, data_5, data_6]
Fig, Ax = PLT.Nebenhandlungen ()
Axt.Geigenplot (D, vert = false, ShowMedians = True)
PLT.zeigen()

Zunächst stellen wir die Bibliotheken in den Code ein, der zum Erstellen von Geigengraphen verwendet werden kann. Jetzt bewerben wir uns zufällig.Seed () mit der Numpy -Bibliothek. Wir nehmen jetzt zufällige Datensätze für die Geigengrafiken. Diese Datensätze werden in verschiedenen Variablen gespeichert. Dann erstellen wir die Liste, die all diese Datensätze enthält. Darüber hinaus beschäftigen wir PLT.subplots () und wir deklarieren auch ein neues Objekt. Um in der Abbildung Geigenplots zu erstellen, müssen wir die Methode von Geigenplot () verwenden, indem wir die Datensätze als Parameter bereitstellen. Wir übergeben auch das Argument "Vert" an diese Funktion. Hier ist der Wert dieses Parameters "falsch", was zeigt, dass wir horizontale Geigenplots machen müssen. Nach all dem zeigen wir das Diagramm mit der PLT an.show () Funktion.

Abschluss:

In diesem Tutorial haben wir über die Matplotlib -Geigenplots informiert. Mit dem Argument "Vert" können wir diese Diagramme sowohl in vertikalen als auch in horizontalen Richtungen erstellen. Wir fügen der Geigenplot auch Gird -Linien hinzu. Diese Diagramme können modifiziert werden, um den Median- und Mittelwert zu demonstrieren. Ein Geigendiagramm ist viel nützlicher als ein einfaches Box -Diagramm. Obwohl in einem Box -Diagramm einfach statistische Ergebnisse und Quartilwerte angezeigt werden, zeigt ein Geigendiagramm die gesamte Datendispersion an.