Matplotlib数据分布型图表（2）

python数据可视化之路

发布于 2023-02-23 20:53:21

7780

发布于 2023-02-23 20:53:21

文章被收录于专栏：python数据分析实践python数据分析实践

本文继续介绍数据分布型图表的绘制方法：

3 蜂巢图

蜂巢图使得每个类别数据点沿着X轴类别标签中心向两侧，同时向上均匀而对称地展开，整体较为美观，也能展现数据的分布规律。关于蜂巢图的绘制用到了seaborn库的swarmplot方法绘制。

现有一组数据（名称为df），记录了PM2.5不同季节的浓度，每个季节有100个，现用蜂巢图表示。

代码如下：

import seaborn as sns
import matplotlib.pyplot as plt

font1 = {'family': 'Times New Roman', 'size': 14}
fig = plt.figure(figsize = (12, 6))
ax = fig.add_subplot(121)
#绘制蜂巢图，并绘制在ax画布上 
g = sns.swarmplot(x = 'season', y = 'pm2_5', hue = 'season', data = df, edgecolor = 'k', linewidth = 0.2, ax = ax)
#设置x轴标签
ax.set_xlabel('season', font1)
#设置图例不可见
ax.legend().set_visible(False)
plt.show()

注：画布的控制语句与ax一样，图例的调整，坐标轴的设置遵循axes对象的规定。

通过蜂巢图可以看出，春季的PM2.5呈现双峰趋势，冬季的PM2.5呈现单峰趋势，并且数值比春季高。

为了更好展现春季和冬季的浓度分布趋势，我们在以上图的基础上为春季和冬季添加一个PM2.5的密度分布图（密度分布图见上节）。

#设置一个字体样式
font1 = {'family': 'Times New Roman', 'size': 14}
fig = plt.figure(figsize = (12, 6))
ax1 = fig.add_subplot(121)
sns.swarmplot(x = 'season', y = 'pm2_5', hue = 'season', data = df, edgecolor = 'k', linewidth = 0.2, ax = ax1)
ax1.set_xlabel('season', font1)
ax1.legend().set_visible(False)

ax2 = fig.add_subplot(222)
#密度图语法，见上节 
sns.distplot(df.loc[:100, 'pm2_5'], bins = 25, hist_kws = {'edgecolor': 'k', 'color': 'b'}, kde_kws = {'color':'k', 'linestyle': '-'}, ax = ax2)
ax2.set_title('Spring distrubtion')

ax3 = fig.add_subplot(224)
sns.distplot(df.loc[300:401, 'pm2_5'], bins = 25, hist_kws = {'edgecolor': 'k', 'color': 'b'}, kde_kws = {'color':'k', 'linestyle': '-'}, ax = ax3)
ax3.set_title('Winter distrubtion')

#调整子图垂直间距，水平间距用wspace，自行调整
plt.subplots_adjust(hspace=0.5)
plt.show()

从图上也可以看出，在春季PM2.5的浓度分布呈现双峰趋势，明显的峰值在60-80之间；冬季呈现单峰趋势。因此蜂巢图可以方便地显示数据的分布情况。

4 箱型图

箱型图又被称为箱须图、箱线图、盒图，能显示一组数据的最大值、最小值、中位数以及上下四分位数，可以反映数据分布的中心位置和散布范围。

图片来自谷歌搜索结果

四分位数是指在统计学中将数据从小到大分为4等份，处于各等分位置的变量值，每部分包括25%的数据。

第一个四分位数（Q1）就是下四分位数，第二个四分位数（Q2）就是中位数，第三个四分位数（Q3）就是上四分位数。

其中，Q1为“较小四分位数”，等于该样本从小到大排列后第25%的数据；反之，Q3为“较大四分位数”，等于样本从小到大排列后第75%的数据。

#去除大于400的值 
df.drop(df[df['pm2_5'] > 400].index, inplace = True)  
#获取季节列表的唯一值  
season = df['season'].unique()
#将数据组成列表形式
all_data = [df.loc[df['season'] == son_season, 'pm2_5'].values for son_season in season]
#默认绘制 
ax[0].boxplot(all_data, labels = season)
#patch_artist表示是否设置箱体杨色，boxprops表示箱体和边的颜色
#sym表示异常点标记，notch表示是否凹陷显示中位数
ax[1].boxplot(all_data, labels = season, patch_artist = True, boxprops = {'color':'orangered','facecolor':'pink'}, 
              sym = '+', notch = True)

plt.show()