文章目录

  • 一、前言
  • 二、主要内容
  • 三、总结

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 joypy==0.2.6 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-setosa50Iris-versicolor50Iris-virginica 50Name: Name, dtype: int64
selected_cols = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth']fig, ax = plt.subplots(figsize=(10, 6), dpi=200)my_title = 'Distribution of features in the iris dataset'fig, axes = joyplot(data=df,ax=ax,by='Name',column=selected_cols,xlabelsize=14,ylabelsize=14,grid=True,hist=False,color=['#FF0066', '#9400D3','#002FA7', '#FFB900'],legend=True,title=my_title,alpha=0.86,)fig.savefig("./Figures/山脊图.png", dpi=300)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 Estimation，KDE），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