Terrain de violon Matplotlib

Matplotlib est une bibliothèque de traçage utilisée à Python. Pour intégrer des graphiques dans les programmes, il comprend des interfaces orientées objet. Il s'agit d'un cadre pour fabriquer des graphiques 2D en utilisant des données de tableau. Un tracé de violon est généralement lié à un graphique de boxe, mais ce tracé illustre également la fonction de distribution de probabilité de données à divers paramètres.

Comme pour les graphiques de boîte standard, ces chiffres fournissent un marqueur de la valeur moyenne des données et une boîte indiquant les quartiles. Une évaluation statistique est appliquée à ce graphique de boîte. Les graphiques de violon, comme les graphiques de boîte, sont utilisés pour montrer comment une dispersion variable se compare entre de nombreuses «classes."Dans cet article, discutons de la façon de créer des parcelles de violon dans Matplotlib.

Visualisez les tracés de violon par l'utilisation de la bibliothèque Matplotlib:

Le matplotlib.pypllot.Le module Violinplot () génère un graphique de violon pour chaque ensemble de sections de données ou de variables dans un ensemble de données série. En utilisant des lignes supplémentaires à la moyenne, à la moyenne, à la valeur inférieure, à la valeur maximale et aux séries de données définies par l'utilisateur, chaque zone couverte s'étire pour indiquer l'ensemble de l'échantillon. Les cinq points de données dispersés erratiquement sont construits avec Numpy dans l'instance ci-dessous.

Chaque collection a 1000 entrées; Cependant, la valeur de l'écart-type et les valeurs moyennes varient. L'utilisation de points de données crée un graphique de violon.

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
NP.aléatoire.graine (3)
data_1 = np.aléatoire.Normal (20, 50, 2000)
data_2 = np.aléatoire.Normal (60, 10, 2000)
data_3 = np.aléatoire.Normal (40, 70, 2000)
data_4 = np.aléatoire.Normal (30, 80, 2000)
data_5 = np.aléatoire.Normal (0, 10, 2000)
data = [data_1, data_2, data_3, data_4, data_5]
Fig, ax = plt.sous-intrigues ()
hache.violinplot (données, showmedians = true)
PLT.montrer()

Nous devons inclure les bibliothèques requises Matplotlib.pyplot as PLT et Numpy que NP pour démarrer le code. Matplotlib est utilisé pour dessiner des graphiques. Maintenant, nous appelons la fonction aléatoire () en utilisant la bibliothèque Numpy. Nous définissons les points de données pour créer des parcelles de violon. Ici, nous fabriquons cinq variables différentes, qui sont utilisées pour stocker les ensembles de données.

La fonction np.aléatoire.La normale est appliquée pour chaque ensemble de données. En plus de cela, nous créons une nouvelle variable qui contient ces cinq ensembles de données. Nous déclarons un nouvel objet de la figure. Et nous utilisons également le PLT.sous-intrigues (). Pour dessiner des graphiques de violon, nous utilisons la hache.Fonction violinplot (). Ici, nous passons «vrai» à l'argument «Showmediens» à cette fonction. En fin de compte, nous affichons le graphique en utilisant le plt.Fonction show ().

Ajouter les lignes de ceinture aux parcelles de violon:

Utilisation de la hache de Matplotlib.Technique violinplot () pour faire un graphique de violon. Showmeans et Showmediens sont deux arguments supplémentaires qui pourraient être utilisés. Le programme suivant crée un graphique de violon avec quatre violons avec des ensembles de données créés au hasard."

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
data_1 = np.aléatoire.normal (10, 12, 300)
data_2 = np.aléatoire.normal (10, 15, 300)
data_3 = np.aléatoire.normal (10, 22, 300)
data_4 = np.aléatoire.normal (10, 20, 300)
data = list ([data_1, data_2, data_3, data_4])
Fig, ax = plt.sous-intrigues ()
hache.violinplot (données, showmeans = true, showmedians = false)
hache.set_title ('graphique de violon')
hache.set_xlabel ('x')
hache.set_ylabel ('y')
xtickLabels = ['First Plot', 'Second Plot', 'Third Plot', 'Fourth Plot']
hache.set_xticks ([0.9,1.9,2.9,3.9])
hache.set_xtickLabels (xtickLabels)
hache.yaxis.grille (vrai)
PLT.montrer()

Nous importons matplotlib.Pypllot et bibliothèques Numpy. Dans l'étape suivante, nous commençons à créer quatre points de données différents. Et ces points de données sont stockés dans différentes variables. Maintenant, nous déclarons un tableau contenant ces quatre points de données. Nous utilisons PLT.Méthode sous-tracés ().

De plus, la hache.La méthode violinplot () est définie. Nous avons défini la valeur des showmeans et des showmediens et l'avons passé à la fonction. Nous insérons maintenant le titre du graphique en appliquant la fonction set_title (). De même, nous utilisons la fonction set_xlabel () et set_ylabel pour modifier les étiquettes des deux axes. Les étiquettes Tick () sont utilisées pour créer une liste.

Nous avons réglé la position des étiquettes de ces quatre parcelles. Et nous plaçons les étiquettes de ces parcelles sur l'axe X. Avant d'utiliser le PLT.show () Pour représenter le graphique, nous insérons des lignes de grille horizontale à l'aide d'une hache.yaxis.Méthode Gird (). Et nous définissons la «vraie» valeur sur cette fonction ici.

Visualisez les parcelles de violon verticales:

Ici, nous allons prendre trois ensembles de données aléatoires pour créer des parcelles de violon.

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
NP.aléatoire.graines (50)
data_1 = np.aléatoire.normal (300, 20, 300)
data_2 = np.aléatoire.Normal (40, 70, 300)
data_3 = np.aléatoire.normal (10, 30, 300)
data_list = [data_1, data_2, data_3,]
Fig = plt.chiffre()
hache = fig.add_axes ([5,5,2,2])
BP = hache.violinplot (data_list)
hache.xaxis.grille (vrai)
PLT.montrer()

Au début du code, nous acquérons les bibliothèques matplotlib.pypllot comme plt et numpy que np. Nous générons au hasard trois ensembles de données par l'utilisation du module Numpy. Nous devons maintenant combiner ces trois ensembles de données dans un tableau. Alors ici, nous déclarons un tableau.

De plus, nous appelons le PLT.Figure () Fonction pour créer un graphique. Maintenant, nous ajustons les axes du graphique, nous utilisons donc la figure de la fonction.add_axes (). Nous générons également un graphique de violon, nous appliquons donc la hache.Méthode violinplot (). Pour créer des lignes de grille sur l'axe des x, nous définissons la «vraie» valeur sur la hache.xaxis.Fonction Gri (). Nous terminons le code en appelant le PLT.Fonction show ().

Visualisez l'intrigue de violon horizontal:

Par l'utilisation de l'argument «vert», nous pouvons créer un graphique de violon horizontal comme présenté ci-dessous.

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
NP.aléatoire.graines (5)
data_1 = np.aléatoire.normal (30, 30, 3000)
data_2 = np.aléatoire.normal (80, 20, 3000)
data_3 = np.aléatoire.normal (10, 40, 3000)
data_4 = np.aléatoire.normal (20, 60, 300)
data_5 = np.aléatoire.normal (70, 50, 3000)
data_6 = np.aléatoire.normal (50, 10, 3000)
d = [data_1, data_2, data_3, data_4, data_5, data_6]
Fig, ax = plt.sous-intrigues ()
hache.violinplot (d, vert = false, showmedians = true)
PLT.montrer()

Tout d'abord, nous présentons les bibliothèques du code qui peuvent être utilisées pour créer des graphiques de violon. Maintenant, nous appliquons au hasard.Seed () en utilisant la bibliothèque Numpy. Nous prenons maintenant des ensembles de données aléatoires pour les graphiques de violon. Ces ensembles de données sont stockés dans différentes variables. Ensuite, nous créons la liste qui contient tous ces ensembles de données. En plus de cela, nous utilisons PLT.sous-trotte (), et nous déclarons aussi un nouvel objet. Pour créer des tracés de violon sur la figure, nous devons utiliser la méthode violinplot () en fournissant les ensembles de données comme paramètre. Nous passons également l'argument «vert» à cette fonction. Ici, la valeur de ce paramètre est «fausse», ce qui montre que nous devons faire des tracés de violon horizontaux. Après tout cela, nous affichons le graphique en utilisant le plt.Fonction show ().

Conclusion:

Dans ce tutoriel, nous avons communiqué sur les parcelles de violon Matplotlib. En utilisant l'argument «vert», nous pouvons créer ces graphiques dans des directions verticales et horizontales. Nous ajoutons également des lignes de ceinnement au complot de violon. Ces parcelles peuvent être modifiées pour démontrer les valeurs médianes et moyennes. Un graphique de violon est beaucoup plus utile qu'un simple graphique de boîte. Bien qu'un graphique de boîte affiche simplement les résultats statistiques et les valeurs de quartiles, un tracé de violon affiche l'intégralité de la dispersion des données.