Сюжет для скрипки с использованием Seaborn

Функция violinplot() создает такой график и изображает распределение как комбинацию между графиком плотности ядра и коробчатой ​​диаграммой. Он широко используется аналитиками и статистиками для понимания распределения категориальных данных. Его главное преимущество перед традиционными коробчатыми диаграммами состоит в том, что их можно также использовать для распределений с несколькими пиками.

Фигура скрипки в сюжете может быть немного трудной для понимания, но она может отображать разные статистические значения. Следующий рисунок поясняет это.

Помимо DataFrames, функция violinplot() может работать с одним объектом серии, массивом numpy или вектором списка.

В следующем примере мы построим график распределения скрипичного графика для одной переменной.

import random 
import numpy as np
n = random.sample(range(0,50),30) 
arr = np.array(n)
sns.violinplot(n)

Обратите внимание, что размер выборки имеет огромное влияние на окончательную фигуру в сюжете скрипки. Сюжет может вводить в заблуждение из-за небольшого размера выборки. Если это все еще немного сбивает с толку, можно построить простой график рассеяния по сценарию скрипки, чтобы лучше понять.

Например,

import random 
import numpy as np
n = random.sample(range(0,50),30) 
arr = np.array(n)
sns.violinplot(n)
sns.stripplot(n, color = 'red')

Функция stripplot() здесь строит диаграмму разброса по сюжету скрипки. Точно так же вы можете нанести коробчатый график поверх скрипичного, чтобы понять сходство и различия между ними обоими.

Основное применение violinplot() - это наборы данных, показывающие распределение данных по нескольким категориям. В приведенном ниже коде мы реализуем это.

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

df = pd.DataFrame({"Quantity": [5,6,7,8,5,6,7,8,5,6,7,8,5,6,7,8],
                   "Price": [9,10,15,16,13,14,15,18,11,12,14,15,16,17,18,19],
                   "Day" : [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2],
                   "Product": ['A','A','A','A','B','B','B','B',
                              'A','A','A','A','B','B','B','B']})

sns.violinplot(data = df, y = "Price", x = "Quantity", hue = "Product")

Обратите внимание, как мы смогли эффективно построить распределение цен на два разных продукта в разных количествах за два дня. Обратите внимание на использование параметра hue для отображения двух продуктов с разными цветами.

Можно использовать множество других аргументов, чтобы изменить окончательную цифру. Мы можем использовать параметр split, чтобы легко сравнивать категории. Их порядком можно управлять с помощью параметра order. Каждое наблюдение можно отобразить внутри графика с помощью параметра inner.

В приведенном ниже коде мы пытаемся использовать некоторые из этих аргументов.

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

df = pd.DataFrame({"Quantity": [5,6,7,8,5,6,7,8,5,6,7,8,5,6,7,8],
                   "Price": [9,10,15,16,13,14,15,18,11,12,14,15,16,17,18,19],
                   "Day" : [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2],
                   "Product": ['A','A','A','A','B','B','B','B',
                              'A','A','A','A','B','B','B','B']})

sns.violinplot(data = df, y = "Price", x = "Quantity", hue = "Product", inner = 'stick', split = True)

Функция violinplot() возвращает объект типа оси matplotlib, чтобы использовать все такие функции matplotlib для настройки окончательного рисунка. Если мы хотим вернуть объект типа FacetGrid, мы можем использовать функцию catplot() и указать параметр kind как violin.