Matplotlib fiolinplott

Matplotlib er et plottebibliotek brukt i Python. For innebygging av grafer i programmer inkluderer det objektorienterte grensesnitt. Det er et rammeverk for å lage 2D -grafer ved å bruke array -data. Et fiolinplott er generelt relatert til et boksingsplott, men dette plottet skildrer også dataens sannsynlighetsfordelingsfunksjon ved forskjellige parametere.

Som med standardkassegrafer gir disse tallene en markør for dataens middelverdi og en boks som betegner kvartilene. En statistisk evaluering brukes på denne boksen grafisk. Fiolindrammer, som kassegrafer, brukes til å vise hvordan en variabel spredning sammenligner mellom mange “klasser.”I denne artikkelen, la oss diskutere hvordan du lager fiolinplott i matplotlib.

Visualiser fiolinplott ved bruk av Matplotlib -biblioteket:

Matplotlib.Pyplot.ViolinPlot () modul genererer en fiolinkraf for hvert sett med dataseksjoner eller variabler i et seriedatasett. Ved å bruke tilleggslinjer i gjennomsnitt, gjennomsnittlig, lavere verdi, maks verdi og brukerdefinerte dataserier, strekker hvert dekket område for å indikere hele prøven. De fem uberegnelige spredte datapunktene er konstruert med numpy i tilfellet nedenfor.

Hver samling har 1000 oppføringer; Verdien av standardavvik og middelverdier er imidlertid variert. Bruken av datapunkter skaper en fiolinkraf.

Importer matplotlib.Pyplot som Plt
Importer numpy som NP
np.tilfeldig.frø (3)
data_1 = np.tilfeldig.Normal (20, 50, 2000)
data_2 = np.tilfeldig.Normal (60, 10, 2000)
data_3 = np.tilfeldig.Normal (40, 70, 2000)
data_4 = np.tilfeldig.Normal (30, 80, 2000)
data_5 = np.tilfeldig.Normal (0, 10, 2000)
data = [data_1, data_2, data_3, data_4, data_5]
Fig, AX = PLT.underplott ()
øks.fiolinplot (data, showmedians = true)
plt.forestilling()

Vi må inkludere de nødvendige bibliotekene matplotlib.Pyplot som PLT og Numpy som NP for å starte koden. Matplotlib brukes til å tegne grafer. Nå kaller vi den tilfeldige () -funksjonen ved å bruke Numpy Library. Vi definerer datapunkter for å lage fiolinplott. Her lager vi fem forskjellige variabler, som brukes til å lagre datasettene.

Funksjonen NP.tilfeldig.Normal brukes for hvert datasett. I tillegg til dette oppretter vi en ny variabel som holder de fem datasettene. Vi erklærer et nytt objekt av figuren. Og vi bruker også PLT.underplott (). For å tegne fiolinkrafter bruker vi øksen.fiolinplot () -funksjon. Her overfører vi 'sann' til argumentet 'showmedians' til denne funksjonen. Til slutt viser vi grafen ved å bruke PLT.show () funksjon.

Legg til bindelinjer i fiolinplottene:

Bruke matplotlibs øks.fiolinplot () teknikk for å lage en fiolinkraf. Showmeans og Showmedians er to ekstra argumenter som kan brukes. Det påfølgende programmet oppretter en fiolinkraf med fire ”fioliner med tilfeldig opprettet datasett.”

Importer matplotlib.Pyplot som Plt
Importer numpy som NP
data_1 = np.tilfeldig.normal (10, 12, 300)
data_2 = np.tilfeldig.normal (10, 15, 300)
data_3 = np.tilfeldig.normal (10, 22, 300)
data_4 = np.tilfeldig.normal (10, 20, 300)
data = liste ([data_1, data_2, data_3, data_4])
Fig, AX = PLT.underplott ()
øks.fiolinplot (data, showmeans = true, showmedians = falsk)
øks.set_title ('fiolin graf')
øks.set_xlabel ('x')
øks.set_ylabel ('y')
Xticklabels = ['First Plot', 'Second Plot', 'Third Plot', 'Fourth Plot']
øks.set_xticks ([0.9,1.9,2.9,3.9])
øks.set_xticklabels (xticklabels)
øks.Yaxis.rutenett (sant)
plt.forestilling()

Vi importerer matplotlib.Pyplot og Numpy Libraries. I neste trinn begynner vi å lage fire forskjellige datapunkter. Og disse datapunktene lagres i forskjellige variabler. Nå erklærer vi en matrise som inneholder disse fire datapunktene. Vi bruker PLT.Subplots () -metode.

Videre øksen.Violinplot () -metoden er definert. Vi setter verdien av showmeans og showmedians og ga den til funksjonen. Nå setter vi inn tittelen på grafen ved å bruke SET_TITLE () -funksjonen. Tilsvarende bruker vi Set_xLabel () -funksjonen og set_ylabel for å endre etikettene til begge aksene. Ticketikettene () brukes til å lage en liste.

Vi setter posisjonen til etikettene til de fire tomtene. Og vi plasserer etiketter av disse tomtene på x-aksen. Før du bruker PLT.Vis () For å representere grafen, setter vi inn horisontale rutenettlinjer ved hjelp av en øks.Yaxis.Gird () -metode. Og vi setter den 'sanne' verdien til denne funksjonen her.

Visualiser vertikale fiolinplott:

Her skal vi ta tre tilfeldige datasett for å lage fiolinplott.

Importer matplotlib.Pyplot som Plt
Importer numpy som NP
np.tilfeldig.frø (50)
data_1 = np.tilfeldig.normal (300, 20, 300)
data_2 = np.tilfeldig.normal (40, 70, 300)
data_3 = np.tilfeldig.normal (10, 30, 300)
data_list = [data_1, data_2, data_3,]
Fig = plt.figur()
AX = Fig.add_axes ([5,5,2,2])
BP = øks.Violinplot (data_list)
øks.xaxis.rutenett (sant)
plt.forestilling()

I begynnelsen av koden kjøper vi biblioteker matplotlib.pyplot som plt og numpy som np. Vi genererer tilfeldig tre datasett ved bruk av Numpy -modulen. Nå må vi kombinere disse tre datasettene i en matrise. Så her erklærer vi en rekke.

Videre kaller vi PLT.Figur () Funksjon for å lage en graf. Nå justerer vi aksene på grafen, så vi bruker funksjonen Fig.add_axes (). Vi genererer også en fiolinkraf, så vi bruker øksen.Violinplot () -metode. For å lage gridlinjer på x-aksen, setter vi den 'sanne' verdien til øksen.xaxis.gri () funksjon. Vi avslutter koden ved å ringe PLT.show () funksjon.

Visualiser horisontalt fiolinplott:

Ved bruk av "VERT" -argumentet kan vi lage en horisontal fiolinkraf som presentert nedenfor forekomst.

Importer matplotlib.Pyplot som Plt
Importer numpy som NP
np.tilfeldig.frø (5)
data_1 = np.tilfeldig.normal (30, 30, 3000)
data_2 = np.tilfeldig.normal (80, 20, 3000)
data_3 = np.tilfeldig.normal (10, 40, 3000)
data_4 = np.tilfeldig.Normal (20, 60, 300)
data_5 = np.tilfeldig.normal (70, 50, 3000)
data_6 = np.tilfeldig.normal (50, 10, 3000)
d = [data_1, data_2, data_3, data_4, data_5, data_6]
Fig, AX = PLT.underplott ()
øks.Violinplot (D, VERT = FALSE, SHOWMEDIANS = TRUE)
plt.forestilling()

Først introduserer vi bibliotekene i koden som kan brukes til å lage fiolinkrafter. Nå søker vi tilfeldig.frø () ved hjelp av Numpy Library. Vi tar nå tilfeldige datasett for fiolinkraftene. Disse datasettene lagres i forskjellige variabler. Så oppretter vi listen som inneholder alle disse datasettene. I tillegg til dette bruker vi PLT.underplott (), og også erklærer vi et nytt objekt. For å lage fiolinplott i figuren, må vi bruke Violinplot () -metoden ved å tilby datasettene som en parameter. Vi gir også "VERT" -argumentet til denne funksjonen. Her er verdien av denne parameteren 'falsk', som viser at vi må lage horisontale fiolinplott. Etter alt dette viser vi grafen ved å bruke PLT.show () funksjon.

Konklusjon:

I denne opplæringen har vi kommunisert om matplotlib fiolin -tomtene. Ved hjelp av "VERT" -argumentet kan vi lage disse tomtene i både vertikale og horisontale retninger. Vi legger også til bindelinjer til fiolinplottet. Disse tomtene kan modifiseres for å demonstrere median- og middelverdiene. En fiolinkraf er mye mer nyttig enn en enkel boksegraf. Selv om en kassegraf ganske enkelt viser statistiske resultater og kvartilverdier, viser en fiolinplott hele databritt dispersjon.