[seaborn] seaborn學習筆記5——小提琴圖VIOLINPLOT

5 小提琴圖Violinplot(代碼下載)

小提琴圖允許可視化一個或多個組的數字變量的分佈。它與箱形圖非常接近，但可以更深入地瞭解密度。小提琴圖特別適用於數據量巨大且無法顯示個別觀察結果的情況。在seaborn中使用violinplot函數繪製小提琴圖，該章節主要內容有：

1. 基礎小提琴圖繪製 Basic violinplot
2. 小提琴圖樣式自定義 Custom seaborn violinplot
3. 小提琴圖顏色自定義 Control color of seaborn violinplot
4. 分組小提琴圖 Grouped violinplot
5. 小提琴圖組的順序設置 Control order of groups in violinplot
6. 顯示小提琴圖上的觀察次數 Show number of observation on violinplot

#調用seaborn
import seaborn as sns
#調用seaborn自帶數據集
df = sns.load_dataset('iris')
#顯示數據集
df.head()

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

1. 基礎小提琴圖繪製 Basic violinplot

• 單個變量 One numerical variable only
• 包含多個分組的單個變量 One variable and several groups
• 多個變量 Several variables
• 水平小提琴圖 Horizontal violinplot

# 單個變量 One numerical variable only
# 如果只有一個數值變量，則最好製作直方圖或密度圖，但是仍然可以用小提琴圖來表示
# Make boxplot for one group only
sns.violinplot( y=df["sepal_length"] );

# 包含多個分組的單個變量 One variable and several groups
# x爲種類名，y爲花萼長度
sns.violinplot( x=df["species"], y=df["sepal_length"] );

# 多個變量 Several variables
# 單獨拿出sepal_length和sepal_width繪製
sns.violinplot(data=df.iloc[:,0:2]);

# 水平小提琴圖 Horizontal violinplot
# 可以通過orient設定方向，但是交換x,y畫水平小提琴圖更好
# Just switch x and y
sns.violinplot( y=df["species"], x=df["sepal_length"] );

2. 小提琴圖樣式自定義 Custom seaborn violinplot

• 線寬自定義 Change line width
• 圖像一般寬度自定義 Change width

# 線寬自定義 Change line width
sns.violinplot( x=df["species"], y=df["sepal_length"], linewidth=5);

# 圖像一般寬度自定義 Change width
sns.violinplot( x=df["species"], y=df["sepal_length"], width=0.3);

3. 小提琴圖顏色自定義 Control color of seaborn violinplot

• 使用調色板 Use a color palette
• 單種顏色 Uniform color
• 指定每個組的顏色 Specify color of each group
• 突出顯示一個組 Highlight a group

# 使用調色板 Use a color palette
sns.violinplot( x=df["species"], y=df["sepal_length"], palette="Blues");

# 單種顏色 Uniform color
sns.violinplot( x=df["species"], y=df["sepal_length"], color="skyblue");

# 指定每個組的顏色 Specify color of each group
# Make a dictionary with one specific color per group:
my_pal = {"versicolor": "g", "setosa": "b", "virginica":"m"}
#plot it
sns.violinplot( x=df["species"], y=df["sepal_length"], palette=my_pal);

# 突出顯示一個組 Highlight a group
# make a vector of color: red for the interesting group, blue for others:
my_pal = {species: "r" if species == "versicolor" else "b" for species in df.species.unique()} 
# make the plot
sns.violinplot( x=df["species"], y=df["sepal_length"], palette=my_pal);

4. 分組小提琴圖 Grouped violinplot

# 如果您有一個變量，變量有幾個組和子組，您可能需要製作一個分組的小提琴圖。
df_test = sns.load_dataset('tips')
# Grouped violinplot 分組
sns.violinplot(x="day", y="total_bill", hue="smoker", data=df_test, palette="Pastel1");

5. 小提琴圖組的順序設置 Control order of groups in violinplot

# plot order設置順序就行
sns.violinplot(x='species', y='sepal_length', data=df, order=[ "versicolor", "virginica", "setosa"]);

# Find the order 或者通過設置一定的規則排序
my_order = df.groupby(by=["species"])["sepal_length"].median().iloc[::-1].index
# Give it to the violinplot
sns.violinplot(x='species', y='sepal_length', data=df, order=my_order);

6. 顯示小提琴圖上的觀察次數 Show number of observation on violinplot

# Basic violinplot 基礎小提琴圖像繪製
ax = sns.violinplot(x="species", y="sepal_length", data=df)
 
# Calculate number of obs per group & median to position labels 計算各個樣本數量
medians = df.groupby(['species'])['sepal_length'].median().values
nobs = df['species'].value_counts().values
nobs = [str(x) for x in nobs.tolist()]
nobs = ["n: " + i for i in nobs]
 
# Add it to the plot 加入圖像
pos = range(len(nobs))
for tick,label in zip(pos,ax.get_xticklabels()):
   ax.text(pos[tick], medians[tick] + 0.03, nobs[tick], horizontalalignment='center', size='x-small', color='w', weight='semibold');