在Python使用 Plotly 的小提琴图

Violin Plot是一种可视化不同变量数值数据分布的方法。它类似于箱线图，但每边都有一个旋转图，提供了关于 y 轴上密度估计的更多信息。密度被镜像并翻转，并填充生成的形状，创建类似于小提琴的图像。小提琴图的优点是它可以显示分布中的细微差别，而这些细微差别在箱线图中是看不到的。另一方面，箱线图更清楚地显示了数据中的异常值。

小提琴图比箱线图包含更多信息，它们不太受欢迎。由于它们不受欢迎，对于许多不熟悉小提琴情节表现的读者来说，它们的含义可能更难理解。

Plotly 是一个开源的Python模块，是一个非常强大的数据可视化工具。它支持各种绘图以轻松表示和研究数据。本文讨论了如何在 Plotly 的两个类（即 express 和 graph_objects）的帮助下使用 Plotly 获得小提琴图。

可以根据自己的方便选择类，但方法保持不变。

方法：

• 导入模块
• 导入数据
• 使用所需参数调用 violinplot
• 显示图

函数通过Plotly.express支持

句法：

violin(data_frame=None, x=None, y=None, color=None, facet_row=None, facet_col=None, facet_col_wrap=0, facet_row_spacing=None, facet_col_spacing=None, hover_name=None, hover_data=None, custom_data=None, animation_frame=None, animation_group=None, category_orders=None, labels=None, color_discrete_sequence=None, color_discrete_map=None, orientation=None, violinmode=None, log_x=False, log_y=False, range_x=None, range_y=None, points=None, box=False, title=None, template=None, width=None, height=None)

函数通过Plotly.graph_objects支持

句法：

Violin(arg, alignmentgroup, bandwidth, box_visible, customdata, customdatasrc, fillcolor, hoverinfo, hoverinfosrc, hoverlabel, hoveron, hovertemplate, hovertemplatesrc, hovertext, hovertextsrc, ids, idssrc, jitter, legendgroup, line, marker, meanline, meta, metasrc, name, offsetgroup, opacity, orientation, pointpos, points, scalegroup, scalemode, selected, selectedpoints, showlegend, side, span, spanmode, stream, text, textsrc, uid, uirevision, unselected, visible, width, x, x0, xaxis, xsrc, y, y0, yaxis, ysrc, **kwargs)

使用中的数据：畅销书

基本小提琴图

方法

• 导入模块
• 创建或加载数据框
• 使用 violin() 绘图
• 显示图

示例 1：使用 Plotly.express

Python3

import plotly.express as pt
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
data = df.head()
  
fig = pt.violin(data, y="Year")
fig.show()

输出：

示例 2：使用 Graph_objects

蟒蛇3

import plotly.graph_objects as go
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = go.Figure(data=go.Violin(y=df['Price']))
plot.show()

输出：

带框和散点图的小提琴图

上面的例子描绘了一个简单的小提琴图，但它可以与同一帧内的其他可视化描绘一起可视化。给定的示例显示了如何绘制小提琴图以及箱线图和散点图。

示例 1：使用 Plotly.express

蟒蛇3

import plotly.express as pt
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
data = df.head()
  
# display box and scatter plot along with violin plot
fig = pt.violin(data, y="Year", box=True, points='all')
  
fig.show()

输出：

示例 2：使用 graph_objects

蟒蛇3

import plotly.graph_objects as go
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = go.Figure(data=go.Violin(
    y=df['Price'], points='all', pointpos=2, box_visible=True))
  
plot.show()

输出：

多小提琴情节

可以使用 plotly 在一帧中可视化多个小提琴图以同时比较它们。

示例 1：使用 Plotly express

蟒蛇3

import plotly.express as px
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = px.violin(x=df['Year'], y=df['Price'])
plot.show()

输出：

示例 2：使用 graph_objects

蟒蛇3

import plotly.graph_objects as go
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = go.Figure(data=go.Violin(x=df['Year'], y=df['Price']))
plot.show()

输出：

分组小提琴图

分组的小提琴情节允许比较多个小提琴情节，但有一些共同点，即它允许比较两个当代小提琴情节

示例 1：使用 Plotly express

蟒蛇3

import plotly.express as px
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = px.violin(df, x=df['Year'], y=df['Price'], color=df['Genre'])
plot.show()

输出：

示例 2：使用 graph_objects

蟒蛇3

import plotly.graph_objects as go
import pandas as pd
  
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")
df = pd.DataFrame(data)
  
plot = go.Figure()
  
plot.add_trace(go.Violin(x=df['Year'][df['Genre'] == 'Fiction'],
                         y=df['Price'], line_color='red', name='Fiction'))
  
plot.add_trace(go.Violin(x=df['Year'][df['Genre'] == 'Non Fiction'],
                         y=df['Price'], line_color='blue', name='Non-Fiction'))
  
plot.update_layout(violinmode='group')
plot.show()

输出：