Come creare un violin plot con Seaborn

Un violin plot di Seaborn mostra la distribuzione stimata di una variabile numerica. La larghezza rappresenta la densità: le parti più larghe indicano una densità stimata maggiore in prossimità di quei valori. I segni interni riassumono i dati, ma non mostrano tutte le osservazioni. La forma può suggerire la presenza di più picchi, ma va interpretata considerando anche la dimensione del campione e i dati sottostanti.

Che cosa mostra un violin plot

Un violin plot combina una forma che rappresenta la densità con eventuali segni riassuntivi. La densità è stimata a partire dalle osservazioni, quindi offre una rappresentazione smussata, diversa da un istogramma o da un insieme di punti grezzi. A seconda dell’impostazione inner, i segni interni possono mostrare un box, i quartili, un trattino per ogni osservazione oppure nessun riepilogo.

Questo grafico è utile per confrontare la forma e la dispersione di distribuzioni numeriche. Da solo non spiega perché i dati abbiano quella forma; inoltre, con un campione piccolo, la densità stimata può sembrare più precisa o dettagliata di quanto le osservazioni giustifichino.

Tracciare una singola variabile

Passa una sequenza numerica a violinplot() per rappresentare una variabile. Questo esempio autonomo usa direttamente una lista Python, quindi non serve convertirla in un array. Prima di eseguirlo, installa Seaborn e Matplotlib nell’ambiente Python. Il codice crea un oggetto Axes con la distribuzione e non stampa testo.

import matplotlib.pyplot as plt
import seaborn as sns

values = [4, 5, 5, 6, 6, 7, 8, 8, 9, 10]
ax = sns.violinplot(y=values, inner="quartile", color="skyblue")
ax.set_ylabel("Value")
ax.set_title("Distribution of values")
plt.show()

L’asse verticale rappresenta i valori. Una parte più larga del violino indica una concentrazione stimata maggiore in prossimità di quel valore. Se il campione è piccolo, esamina le osservazioni oltre alla forma smussata.

Confrontare distribuzioni tra categorie

Per confrontare categorie, passa la colonna numerica tramite y e quella categoriale tramite x. L’esempio usa un DataFrame pandas e assegna Price a y e Product a x, così sull’asse x compare una categoria per ogni prodotto. La chiamata non contiene l’argomento hue e non aggiunge un raggruppamento per giorno.

import pandas as pd
import seaborn as sns

prices = pd.DataFrame(
    {
        "Price": [9, 10, 15, 16, 13, 14, 15, 18, 11, 12, 14, 15, 16, 17, 18, 19],
        "Product": ["A"] * 4 + ["B"] * 4 + ["A"] * 4 + ["B"] * 4,
    }
)
ax = sns.violinplot(data=prices, x="Product", y="Price")
ax.set_title("Price distribution by product")

Ogni violino riassume i prezzi associati al relativo prodotto. Per aggiungere una seconda dimensione di raggruppamento, assegna la sua colonna a hue: ogni livello di hue viene quindi distinto all’interno delle categorie sull’asse x. Non descrivere un raggruppamento, per esempio per giorno, se i dati tracciati e gli argomenti non lo includono effettivamente.

Personalizzare un violin plot

La stima della densità può essere fuorviante quando le osservazioni sono poche. Sovrapponi stripplot() per rendere visibili i singoli valori e confrontarli con la forma smussata. I punti aiutano a esaminare il campione, ma non rendono più affidabili i risultati di un campione piccolo.

import matplotlib.pyplot as plt
import seaborn as sns

values = [4, 5, 5, 6, 6, 7, 8, 8, 9, 10]
ax = sns.violinplot(y=values, inner=None, color="skyblue")
sns.stripplot(y=values, color="red", ax=ax)
ax.set_ylabel("Value")
plt.show()

Usa order per scegliere l’ordine in cui mostrare le categorie, per esempio order=["B", "A"]. Usa inner per controllare i segni riassuntivi: tra le opzioni comuni ci sono "box", "quartile", "stick" e None. La sovrapposizione di un box plot può aggiungere un riepilogo familiare, ma rappresenta comunque lo stesso campione e non sostituisce l’esame delle osservazioni.

Usare l’oggetto restituito dal grafico

violinplot() restituisce un oggetto Matplotlib Axes, che puoi usare per impostare etichette, limiti e titolo oppure per aggiungere altri segni. Per esempio, nell’esempio con una singola variabile il risultato viene assegnato ad ax, a cui si applicano ax.set_ylabel() e ax.set_title().

Per un grafico categoriale a livello di figura, usa catplot(kind="violin", ...): restituisce un FacetGrid. Questa interfaccia è utile quando vuoi creare pannelli separati con opzioni come row o col. Scegli violinplot() per un grafico a livello di Axes e catplot() quando ti serve la griglia a livello di figura.