Python数据可视化的例子——小提琴图（violin）

小提琴图是比较有意思的统计图形，它将数值型数据的核密度图与箱线图融合在一起，进而得到一个形似小提琴的图形。尽管matplotlib模块也提供了绘制小提琴图的函数violinplot，但是绘制出来的图形中并不包含一个完整的箱线图，所以本节将直接使用seaborn模块中的violinplot函数绘制小提琴图。首先，带领读者了解一下有关violinplot函数的语法和参数含义：

sns.violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
        bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100,
        width=0.8, inner='box', split=False, dodge=True, orient=None,
        linewidth=None, color=None, palette=None, saturation=0.75, ax=None)

• x：指定小提琴图的x轴数据。
• y：指定小提琴图的y轴数据。
• hue：指定一个分组变量。
• data：指定绘制小提琴图的数据集。
• order：传递一个字符串列表，用于分类变量的排序。
• hue_order：传递一个字符串列表，用于分类变量hue值的排序。
• bw：指定核密度估计的带宽，带宽越大，密度曲线越光滑。
• scale：用于调整小提琴图左右的宽度，如果为area，则表示每个小提琴图左右部分拥有相同的面积；如果为count，则表示根据样本数量来调节宽度；如果为width，则表示每个小提琴图左右两部分拥有相同的宽度。
• scale_hue：bool类型参数，当使用hue参数时，是否对hue变量的每个水平做标准化处理，默认为True。
• width：使用hue参数时，用于控制小提琴图的宽度。
• inner：指定小提琴图内部数据点的形态，如果为box，则表示绘制微型的箱线图；如果为quartiles，则表示绘制四分位的分布图；如果为point或stick，则表示绘制点或小竖条。
• split：bool类型参数，使用hue参数时，将小提琴图从中间分为两个不同的部分，默认为False。
• dodge：bool类型的参数，当使用hue参数时，是否绘制水平交错的小提琴图，默认为True。
• orient：指定小提琴图的呈现方向，默认为垂直方向。
• linewidth：指定小提琴图的所有线条宽度。
• color：指定小提琴图的颜色，该参数与palette参数一起使用时无效。
• palette：指定hue变量的区分色。
• saturation：指定颜色的透明度。
• ax：指定子图的位置。
  接下来，以酒吧的消费数据为例（数据包含客户的消费金额、消费时间、打赏金额、客户性别、是否抽烟等字段）：
  
  利用如上介绍的函数绘制分组小提琴图，以帮助读者进一步了解参数的含义，绘图代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读取数据
tips = pd.read_excel(r'酒吧消费数据.xlsx')
# 绘制分组小提琴图
sns.violinplot(x = "day", # 指定x轴的数据
               y = "total_bill", # 指定y轴的数据
               hue = "sex", # 指定分组变量
               data = tips, # 指定绘图的数据集
               order = ['Thur','Fri','Sat','Sun'], # 指定x轴刻度标签的顺序
               scale = 'count', # 以男女客户数调节小提琴图左右的宽度
               split = True, # 将小提琴图从中间割裂开，形成不同的密度曲线；
               palette = 'RdBu' # 指定不同性别对应的颜色（因为hue参数为设置为性别变量）
              )
# 添加图形标题
plt.title('每天不同性别客户的酒吧消费额情况')
# 设置图例
plt.legend(loc = 'upper left', ncol = 2)
# 显示图形
plt.show()

matplotlib命令与格式：图例legend语法及设置

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读取数据
tips = pd.read_excel(r'酒吧消费数据.xlsx')
# 绘制分组小提琴图
sns.violinplot(x = "day", # 指定x轴的数据
               y = "total_bill", # 指定y轴的数据
               hue = "sex", # 指定分组变量
               data = tips, # 指定绘图的数据集
               order = ['Thur','Fri','Sat','Sun'], # 指定x轴刻度标签的顺序
               scale = 'count', # 以男女客户数调节小提琴图左右的宽度
               split = True, # 将小提琴图从中间割裂开，形成不同的密度曲线；
               palette = 'RdBu' # 指定不同性别对应的颜色（因为hue参数为设置为性别变量）
              )
# 添加图形标题
plt.title('每天不同性别客户的酒吧消费额情况')
# 设置图例
plt.legend(loc = 'upper right', ncol = 2)
#控制横纵坐标的值域
plt.axis([-1,4,-10,70])
# 显示图形
plt.show()

如图所示，得到了分组的小提琴图，我们会发现，小提琴图的左右两边并不对称，是因为同时使用了hue参数和split参数，两边的核密度图代表了不同性别客户的消费额分布。从这张图中，一共可以反映四个维度的信息，y轴表示客户的消费额、x轴表示客户的消费时间、颜色图例表示客户的性别、左右核密度图的宽度代表了样本量。以周五和周六两天为例，周五的男女客户数量差异不大，而周六男性客户要比女性客户多得多，那是因为右半边的核密度图更宽一些。