Question

我想用seaborn用小提琴来可视化我的整个熊猫数据框，并且我想我已经进行了必要的更正，以生成一个大图形显示我的数据框拥有的270个变量。

但是，无论我做什么，小提琴图只显示每个变量的内部迷你盒形图（如另一个问题here所述），而不显示其kde：

fig, ax = plt.subplots(figsize=(50,5))
ax.set_ylim(-6, 6)

a = sns.violinplot(x='variable', y='value', data=pd.melt(train_norm), ax=ax)
a.set_xticklabels(a.get_xticklabels(), rotation=90);

plt.savefig('massive_violinplot.png', figsize=(50,5), dpi=220)

（对裁剪后的图表示歉意，整个内容太大而无法发布）

以下代码，使用相同的pd.Dataframe，但仅显示前六个变量，可以正确显示：

fig, ax = plt.subplots(figsize=(10,5))
ax.set_ylim(-6, 6)

a = sns.violinplot(x='variable', y='value', data=pd.melt(train_norm.iloc[:,:6]), ax=ax)
a.set_xticklabels(a.get_xticklabels(), rotation=90);

plt.savefig('massive_violinplot.png', figsize=(10,5), dpi=220)

我如何获得所有变量的上述图形，并用适当的小提琴图显示其kde？

任何对此的经验丰富的建议将不胜感激。

编辑：我用来创建数据的csv文件的链接在此处，yourfilelink.com / get.php？fid = 2025783

Answer 1

这与变量的数量或图的大小无关，而与变量分布的巨大差异有关。我现在无法访问您的数据，因此我将使用一个组合的数据集对其进行说明。您可以跟着数据集进行操作，选择离散度较高的三个变量和离散度较小的三个变量。作为离散度测量，您可以使用方差，甚至可以使用数据范围（如果您没有疯狂的长尾巴）或其他一些东西，我不确定哪种方法会更好。

rs = np.random.RandomState(42)
data = rs.randn(100, 6)
data[:, :3] *= 20
df = pd.DataFrame(data)

看看如果我们用公共轴绘制密度，以便它们可以直接比较，会发生什么情况。

df.plot(kind='kde', subplots=True, layout=(3, 2), sharex=True, sharey=True)
plt.tight_layout()

这几乎与您在海上小提琴情节中看到的相同，但当然是转置的。

sns.violinplot(x='variable', y='value', data=pd.melt(df))

这通常对于比较变量非常有用，因为您可以将宽度的差异视为密度的差异。不幸的是，用于分散度更高的变量的小提琴是如此狭窄，以至于您根本看不到宽度，并且您对形状失去任何感觉。另一方面，离散度较小的变量显得太短（实际上，在您的数据集中，其中一些只是水平线）。

对于第一个问题，您可以通过使用scale='width'使小提琴使用所有可用的水平空间，但随后您将无法再比较各个变量的密度。峰的宽度相同，但密度不同。

sns.violinplot(x='variable', y='value', data=pd.melt(df), scale='width')

顺便说一下，这是matplotlib的小提琴图默认情况下所做的。

plt.violinplot(df.T)

对于第二个问题，我认为您唯一的选择是以某种方式标准化或标准化变量。

sns.violinplot(x='variable', y='value', data=pd.melt((df - df.mean()) / df.std()))

现在您可以分别更清晰地查看每个变量的视图（它们有多少种模式，它们有多倾斜，尾巴有多长...），但是您既不能比较比例，也不能比较变量之间的离散度。

这个故事的寓意是，您无法一次看到所有内容，必须根据数据中的查找内容进行选择。

Seaborn：Violinplot遇到太多变量的困难吗？

1 个答案: