joypy，一个Python绘制脊线图的工具库！

你好，我是郭震

今天介绍脊线图的绘制。

脊线图（Ridgeline Plot）介绍

脊线图，又称为Joy Plot，是一种用于展示和比较多个组数据分布的可视化工具。这种图形以层叠和重叠的方式展示每个组的密度估计或频率分布，使得不同组之间的比较直观且具有艺术美感。

脊线图特别适合展示数据如何随时间或条件变化，常用于金融、气象、社会科学等领域。

绘制脊线图的步骤解释

以下是基于Python中joypy库来绘制脊线图的详细步骤解释：

# 导入必要的库
import pandas as pd
import joypy
from matplotlib import pyplot as plt
from matplotlib import cm
import numpy as np

• 导入库：引入pandas用于数据处理，joypy用于生成脊线图，matplotlib.pyplot和matplotlib.cm用于图形展示和颜色映射。
• **numpy**：用于生成或处理数学数据。

# 创建模拟数据
data = {
    'Month': ['January', 'February', 'March', 'April', 'May', 'June'] * 10,
    'Year': ['Year 1']*6 + ['Year 2']*6 + ['Year 3']*6 + ['Year 4']*6 + ['Year 5']*6 + ['Year 6']*6 + ['Year 7']*6 + ['Year 8']*6 + ['Year 9']*6 + ['Year 10']*6,
    'Temperature': np.random.normal(loc=0.0, scale=1.0, size=60) + np.arange(60)%6
}

• 数据字典：定义一个包含月份、年份和温度的字典。月份重复10次以模拟10年的数据，温度数据通过正态分布随机生成并添加一个随月份变化的趋势。

df = pd.DataFrame(data)
df['Month'] = pd.Categorical(df['Month'], categories=[
    'January', 'February', 'March', 'April', 'May', 'June'
], ordered=True)

• 创建DataFrame：使用pandas.DataFrame将数据字典转换为数据框。
• 设置月份为有序分类：将Month列转换为有序的分类数据类型，确保在图形显示时月份能按正确的顺序排列。

# 绘制脊线图
fig, axes = joypy.joyplot(
    df,
    by='Month',
    column='Temperature',
    colormap=cm.plasma,
    figsize=(12, 8),
    overlap=0.1  # 控制重叠
)

• **joypy.joyplot()**：调用joyplot函数绘制脊线图，指定按Month分组，使用Temperature列的数据绘图，颜色映射为plasma，图形大小为12x8英寸，各图层重叠程度为0.1。

# 添加标题
plt.title('Monthly Temperature Distribution Over the First Half of the Year')
plt.show()

扩展

colormap（颜色映射）是用来将数据点映射到颜色的功能，它有许多内置的颜色映射可供选择。

1. Perceptually Uniform Sequential:
   • viridis：暗的蓝绿色到明亮的黄色，这是Matplotlib的默认颜色映射。
   • plasma：从深紫色到亮黄。
   • inferno：从黑色到红色，最后是黄色。
   • magma：从黑色到亮粉红。
2. Sequential:
   • Blues、Greens、Reds：单一色调，从浅到深。
   • binary、gray：从黑到白的灰度图。
   • copper：铜色调，从黑到亮铜色。
3. Sequential (2):
   • spring、summer、autumn、winter：模拟四季的颜色变化。
   • cool：从青色到洋红色。
   • hot：从黑色到红色，然后到黄色，最终是白色。

colormap=cm.spring

colormap=cm.cool

更多颜色选择，同学们可以去尝试其他配色。