网站关键词怎么优化排名,wordpress目录的绝对路径,网站维护人员,我的家乡html网页模板文章目录 一、前言二、主要内容三、总结 #x1f349; CSDN 叶庭云#xff1a;https://yetingyun.blog.csdn.net/ 一、前言 JoyPy 是一个基于 matplotlib pandas 的单功能 Python 包#xff0c;它的唯一目的是绘制山脊线图 Joyplots#xff08;也称为 Ridgeline Plots CSDN 叶庭云https://yetingyun.blog.csdn.net/ 一、前言 JoyPy 是一个基于 matplotlib pandas 的单功能 Python 包它的唯一目的是绘制山脊线图 Joyplots也称为 Ridgeline Plots。 Joyplots 是堆叠的、部分重叠的密度图就是这么简单。它们是一种很好的绘制数据的方式可以用来直观比较分布特别是哪些随着一个维度比如时间变化的分布。虽然这并不是一种新技术。 Github 地址https://github.com/leotac/joypy
安装 joypy使用 pip install joypy0.2.6 就好。
在行为差异、特征工程和预测建模等场景中了解不同组之间的变量分布差异非常有用。在这些情况下许多数据科学家更喜欢在单一坐标轴上绘制组级分布图例如直方图或密度图。然而当群体较多时简单的组级分布图可能变得混乱且难以理解。
本文将向您介绍一种紧凑而优雅的数据可视化工具山脊线图。它以清晰的方式展示不同变量或变量类别的分布差异帮助我们更好地理解数据中的群体特征从而获得更深入的洞察和启发。 二、主要内容 使用鸢尾花数据集 iris.csv 做实验这个数据集如下所示 打印特征名称和标签以及输出标签的 value_counts。
print(f特征{list(df.columns)[:-1]})
print(f标签{list(df.columns)[-1]})特征[SepalLength, SepalWidth, PetalLength, PetalWidth]
标签Namedf[Name].value_counts()Iris-setosa 50
Iris-versicolor 50
Iris-virginica 50
Name: Name, dtype: int64selected_cols [SepalLength, SepalWidth, PetalLength, PetalWidth]fig, ax plt.subplots(figsize(10, 6), dpi200)
my_title Distribution of features in the iris datasetfig, axes joyplot(datadf,axax,byName,columnselected_cols,xlabelsize14,ylabelsize14,gridTrue,histFalse,color[#FF0066, #9400D3,#002FA7, #FFB900],legendTrue,titlemy_title,alpha0.86,
)fig.savefig(./Figures/山脊图.png, dpi300)plt.show()关键参数说明
data数据帧DataFrame、系列Series或嵌套集合Nested collection。常用 pandas 的 DataFrame。ax : matplotlib axes 对象默认为 None。column字符串或序列。如果传入参数将用于将数据限制为列的子集。by对象可选项。用于划分不同组的变量分布的特征名称。本次实验中是 “Name”。grid布尔值默认是 True。是否显示轴网格线。title绘制的图表的标题。alpha设置透明度。xlabels、ylabels布尔值或列表默认为 True。xlabelsize整数默认值 None。如果指定则更改 X 轴标签尺寸。xrot浮点数默认为 None。旋转 X 轴标签的角度。ylabelsize整数默认值 None。如果指定则更改 Y 轴标签尺寸。yrot浮点数默认为 None。旋转 Y 轴标签的角度。figsize : 元组。默认情况下要创建的图形大小以 inches 为单位。color在绘图中使用的一种或多种颜色。可以是字符串或任何可被 matplotib 解释为颜色的东西。通常传入颜色列表。kwds : 其他绘图关键字参数将传递给 hist / {/} /kde plot 函数。
实际上这主要涉及一些 matplotlib 绘图参数。用户还可以直接修改源代码以调整 X 轴、Y 轴、标题和图例的字体大小从而使生成的山脊线图更加美观。
山脊线图可视化的效果如下图所示 正如上图所示山脊线图不仅展示了每个鸢尾花种类四个特征的分布形状和峰值还直观地展示了不同种类之间的差异。通过将多个组的分布放置在同一张山脊线图上并使用不同的颜色或线型进行标识我们可以轻松比较它们之间的相似性和差异性。 三、总结 山脊线图Ridgeline Plots也被称为 Joy Plots是一种用于展示一个或多个组的数据分布的数据可视化方法。
什么是山脊线图
山脊线图中每个组的数据分布通过平滑的密度曲线表示这些曲线沿垂直轴堆叠排列从而产生类似山脊的视觉效果。这种图表特别适用于比较不同组的数据分布情况。
为什么要使用山脊线图
平滑展示数据分布与传统的条形图或直方图相比山脊线图提供了一种更平滑、更直观的方式来展示数据的分布情况。比较能力山脊线图非常适合比较多个分布的形状和大小清晰地展示不同组之间的变化和趋势。空间效率通过在单个图中堆叠山脊线图可以有效地利用空间避免了创建多个单独的密度图。美观性山脊线图在视觉上吸引人用不同的颜色和样式区分不同的组使得数据更加生动和直观。趋势识别可以轻松识别多个群体数据中的共同模式和异常值。适用于大量数据集山脊线图适用于展示大量数据集而不会显得拥挤或不清晰。
如何制作山脊线图
山脊线图的制作基于核密度估计Kernel Density EstimationKDE这是一种非参数估计概率密度函数的方法。使用 JoyPy一个基于 matplotlib pandas 的轻量级 Python 包可以轻松绘制山脊线图 Joy Plot。 ️ 参考链接
山脊线图Ridgeline Plots一个被低估的数据可视化瑰宝HF.050 | 山脊图、密度图最全总结实现方法在这里沈向洋致 AI 时代的我们 —— 请不要忽视写作的魅力
