Plotly – 箱线图小提琴图和等高线图

Plotly – 箱线图小提琴图和等高线图


本章重点详细了解各种绘图,包括箱形图、小提琴图、等高线图和箭袋图。最初,我们将从箱线图开始。

箱形图

箱线图显示一组数据的摘要,其中包含最小值、第一四分位数、中位数、第三四分位数最大值在箱线图中,我们从第一个四分位数到第三个四分位数绘制一个方框。一条垂直线穿过中间的盒子。从表示上下四分位数之外的可变性的框垂直延伸的线称为须线。因此,箱线图也称为箱线胡须从每个四分位数到最小值或最大值。

箱形图

要绘制箱形图,我们必须使用go.Box()函数。数据系列可以分配给 x 或 y 参数。因此,箱线图将水平或垂直绘制。在下面的示例中,某公司在其各个分支机构的销售数据被转换为水平箱线图。它显示了最小值和最大值的中位数。

trace1 = go.Box(y = [1140,1460,489,594,502,508,370,200])
data = [trace1]
fig = go.Figure(data)
iplot(fig)

相同的输出如下 –

BoxPoints 参数

所述go.Box()函数可以给出各种其它参数来控制箱线图的外观和行为。其中之一是 boxmean 参数。

boxmean参数默认设置为true。因此,框的基础分布的平均值被绘制为框内的虚线。如果设置为sd,也会绘制分布的标准差。

boxpoints参数的缺省设置为“异常值”。仅显示了位于晶须之外的样本点。如果是“疑似异常值”,则显示异常值点,并且突出显示小于 4″Q1-3″Q3 或大于 4″Q3-3″Q1 的点。如果为“False”,则仅显示框而没有样本点。

在以下示例中,框线是用标准差和异常点绘制的。

trc = go.Box(
   y = [
      0.75, 5.25, 5.5, 6, 6.2, 6.6, 6.80, 7.0, 7.2, 7.5, 7.5, 7.75, 8.15,
      8.15, 8.65, 8.93, 9.2, 9.5, 10, 10.25, 11.5, 12, 16, 20.90, 22.3, 23.25
   ],
   boxpoints = 'suspectedoutliers', boxmean = 'sd'
)
data = [trc]
fig = go.Figure(data)
iplot(fig)

相同的输出如下所述 –

盒子追踪

小提琴情节

小提琴图类似于箱线图,不同之处在于它们还显示了数据在不同值下的概率密度。小提琴图将包括数据中位数的标记和指示四分位距的框,与标准箱线图一样。叠加在此箱线图上的是核密度估计。与箱线图一样,小提琴图用于表示不同“类别”之间的变量分布(或样本分布)的比较。

小提琴图比普通箱线图提供更多信息。事实上,箱线图仅显示汇总统计数据,例如均值/中位数和四分位距,而小提琴图则显示了数据完整分布

小提琴跟踪对象由graph_objects模块中的go.Violin()函数返回为了显示底层箱线图,boxplot_visible属性设置为 True。同样,通过将meanline_visible属性设置为 true,小提琴内会显示一条与样本均值相对应的线。

以下示例演示了如何使用 plotly 的功能显示小提琴图。

import numpy as np
np.random.seed(10)
c1 = np.random.normal(100, 10, 200)
c2 = np.random.normal(80, 30, 200)
trace1 = go.Violin(y = c1, meanline_visible = True)
trace2 = go.Violin(y = c2, box_visible = True)
data = [trace1, trace2]
fig = go.Figure(data = data)
iplot(fig)

输出如下 –

小提琴情节

等高线图

二维等高线图显示了一个二维数字阵列z的轮廓线,即,内插的行isovalues z与。两个变量的函数的等高线是一条曲线,沿着该曲线该函数具有恒定值,因此该曲线连接等值的点。

如果您想查看某个值 Z 如何作为两个输入XY的函数而变化,使得Z = f(X,Y) ,则使用等高线图是合适的两个变量的函数的等高线或等值线是函数沿其具有恒定值的曲线。

自变量 x 和 y 通常被限制在称为 meshgrid 的规则网格中。numpy.meshgrid 从 x 值数组和 y 值数组中创建一个矩形网格。

让我们首先使用Numpy 库中的linspace()函数为 x、y 和 z 创建数据值我们从 x 和 y 值创建一个网,并获得由x2+y2 的平方根组成的 z 数组

我们graph_objects模块中go.Contour()函数,它接受 x、yz属性。以下代码片段显示了如上计算的 x、yz值的等高线图

import numpy as np
xlist = np.linspace(-3.0, 3.0, 100)
ylist = np.linspace(-3.0, 3.0, 100)
X, Y = np.meshgrid(xlist, ylist)
Z = np.sqrt(X**2 + Y**2)
trace = go.Contour(x = xlist, y = ylist, z = Z)
data = [trace]
fig = go.Figure(data)
iplot(fig)

输出如下 –

等高线图

可以通过以下一个或多个参数自定义等高线图 –

  • Transpose (boolean) – 转置 z 数据。

如果xtype(或ytype)等于“array”,则 x/y 坐标由“x”/“y”给出。如果“缩放”,x 坐标由“x0”和“ dx ”给出。

  • 所述connectgaps参数确定z数据是否间隙填充。

  • ncontours参数的默认值是 15。轮廓的实际数量将被自动选择小于或等于 `ncontours` 的值。仅当 `autocontour` 为“True”时有效。

等高线类型默认为:“ levels ”,因此数据表示为显示多个级别的等高线图。如果为constrain,则数据表示为约束,其中无效区域按操作参数指定的阴影显示

showlines – 确定是否绘制轮廓线。

zauto默认True并确定是否根据输入数据(此处为z)或在“ zmin ”和“ zmax ”中设置的边界计算颜色域。当“ zmin ”和“ zmin ”时,默认为“ False ” `zmax` 由用户设置。

箭袋图

箭袋图也称为速度图它将速度矢量显示为在点 (x,y) 处具有分量 ( u,v ) 的箭头为了绘制 Quiver 图,我们将使用Plotly中的figure_factory模块中定义的create_quiver()函数

Plotly 的 Python API 包含一个图形工厂模块,该模块包含许多包装函数,这些函数可以创建尚未包含在Plotly的开源图形库 plotly.js 中的独特图表类型

create_quiver() 函数接受以下参数 –

  • x – 箭头位置的 x 坐标

  • y – y 箭头位置的坐标

  • u − x 箭头向量的分量

  • v − y 箭头向量的分量

  • scale – 缩放箭头的大小

  • arrow_scale – 箭头的长度。

  • 角度– 箭头的角度。

以下代码在 Jupyter 笔记本中呈现一个简单的箭袋图 –

import plotly.figure_factory as ff
import numpy as np
x,y = np.meshgrid(np.arange(-2, 2, .2), np.arange(-2, 2, .25))
z = x*np.exp(-x**2 - y**2)
v, u = np.gradient(z, .2, .2)

# Create quiver figure
fig = ff.create_quiver(x, y, u, v,
scale = .25, arrow_scale = .4,
name = 'quiver', line = dict(width = 1))
iplot(fig)

代码的输出如下 –

箭袋图

觉得文章有用?

点个广告表达一下你的爱意吧 !😁