当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib中violinplot()和boxplot()的区别与应用

Matplotlib中violinplot()和boxplot()的区别与应用

Matplotlib中violinplot()和boxplot()的区别与应用

参考：How is violinplot() Different from boxplot()

Matplotlib是Python中最流行的数据可视化库之一，它提供了多种绘图工具来展示数据分布。其中，violinplot()和boxplot()是两种常用的统计图表类型，用于展示数据的分布情况。虽然这两种图表都能展示数据的分布特征，但它们在表现形式和信息呈现上有着显著的差异。本文将深入探讨violinplot()和boxplot()的区别，并通过实例演示它们的使用方法和适用场景。

1. boxplot()简介

boxplot()，也称为箱线图，是一种用于显示一组数据分散情况的统计图表。它以一种相对简洁的方式展示了数据的五个数字概括（最小值、第一四分位数、中位数、第三四分位数和最大值），同时还可以显示异常值。

1.1 boxplot()的基本组成

一个典型的箱线图包含以下几个部分：

  1. 箱体：代表数据的中间50%，即从第一四分位数（Q1）到第三四分位数（Q3）的范围。
  2. 中位线：在箱体内部的一条线，表示数据的中位数。
  3. 须线：从箱体延伸出去的线，通常延伸到最小值和最大值，但不包括异常值。
  4. 异常值：通常以单独的点表示，位于须线之外。

让我们通过一个简单的例子来看看如何使用Matplotlib绘制箱线图：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots()
ax.boxplot(data)

# 设置标题和标签
ax.set_title('Boxplot Example - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们生成了三组正态分布的数据，并使用boxplot()函数绘制了箱线图。每个箱体代表一组数据的分布情况。

1.2 boxplot()的优势

  1. 简洁明了：箱线图能够以一种简洁的方式展示数据的关键统计特征。
  2. 易于比较：当需要比较多个数据集时，箱线图可以并排放置，方便直观比较。
  3. 异常值识别：箱线图可以清晰地显示数据中的异常值。
  4. 数据偏斜度：通过观察箱体的形状和位置，可以快速判断数据的偏斜程度。

1.3 boxplot()的局限性

  1. 信息损失：箱线图只显示五个关键统计量，可能会丢失一些细节信息。
  2. 无法显示多峰分布：如果数据存在多个峰值，箱线图无法直观地表现出来。
  3. 样本量不明确：从箱线图中无法直接看出样本的数量。

2. violinplot()简介

violinplot()，也称为小提琴图，是一种结合了箱线图和核密度图特点的统计图表。它不仅展示了数据的概括统计信息，还能显示数据的概率密度。

2.1 violinplot()的基本组成

一个典型的小提琴图包含以下几个部分：

  1. 密度轮廓：表示数据的概率密度分布，形状类似小提琴。
  2. 中位数：通常用一个点或线表示。
  3. 四分位数范围：可以在密度轮廓内部用线段表示。
  4. 最大值和最小值：可以用线段的端点表示。

下面是一个使用Matplotlib绘制小提琴图的例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建小提琴图
fig, ax = plt.subplots()
ax.violinplot(data)

# 设置标题和标签
ax.set_title('Violinplot Example - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们使用了与箱线图相同的数据，但使用violinplot()函数来绘制小提琴图。每个”小提琴”代表一组数据的分布情况。

2.2 violinplot()的优势

  1. 详细的分布信息：小提琴图能够显示数据的完整概率密度分布。
  2. 多峰分布可视化：可以清晰地展示数据中的多个峰值。
  3. 直观比较：可以方便地比较不同组之间的分布差异。
  4. 美观性：小提琴图的形状通常比箱线图更加美观，更能吸引读者的注意力。

2.3 violinplot()的局限性

  1. 复杂性：相比箱线图，小提琴图可能需要更多的解释才能被完全理解。
  2. 计算密集：绘制小提琴图需要计算核密度估计，对于大型数据集可能会比较耗时。
  3. 样本量不明确：与箱线图类似，小提琴图也无法直接反映样本量的大小。

3. violinplot()和boxplot()的主要区别

3.1 数据表现形式

  • boxplot()：主要展示数据的五个数字概括（最小值、第一四分位数、中位数、第三四分位数和最大值）。
  • violinplot()：除了显示这些统计量外，还展示了完整的概率密度分布。

让我们通过一个例子来直观比较这两种图表：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 200)
data2 = np.concatenate([np.random.normal(-1, 0.5, 100), np.random.normal(1, 0.5, 100)])

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 绘制箱线图
ax1.boxplot([data1, data2])
ax1.set_title('Boxplot - how2matplotlib.com')
ax1.set_xlabel('Groups')
ax1.set_ylabel('Values')

# 绘制小提琴图
ax2.violinplot([data1, data2])
ax2.set_title('Violinplot - how2matplotlib.com')
ax2.set_xlabel('Groups')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们生成了两组数据：data1是一个单峰的正态分布，data2是一个双峰分布。通过比较，我们可以看到小提琴图更清晰地展示了data2的双峰特性，而箱线图则无法显示这一特征。

3.2 数据密度表现

  • boxplot()：不直接显示数据密度信息。
  • violinplot()：通过形状的宽度直观地表现数据密度。

以下示例展示了如何使用violinplot()来显示数据密度：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 1000) for std in range(1, 5)]

# 创建小提琴图
fig, ax = plt.subplots()
ax.violinplot(data, showmeans=True, showmedians=True)

# 设置标题和标签
ax.set_title('Violinplot with Density - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，小提琴图的宽度反映了数据在不同值上的密度。较宽的部分表示数据在该区域更为集中。

3.3 异常值处理

  • boxplot()：通常将异常值作为单独的点显示在图上。
  • violinplot()：默认情况下不显示异常值，但可以通过参数设置来显示。

下面的例子展示了如何在boxplot和violinplot中处理异常值：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据（包含异常值）
np.random.seed(42)
data = np.random.normal(0, 1, 100)
data = np.append(data, [5, -5])  # 添加异常值

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 绘制箱线图
ax1.boxplot(data)
ax1.set_title('Boxplot with Outliers - how2matplotlib.com')
ax1.set_ylabel('Values')

# 绘制小提琴图
ax2.violinplot(data, showextrema=True)
ax2.set_title('Violinplot with Extrema - how2matplotlib.com')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，箱线图清晰地显示了异常值，而小提琴图则通过showextrema参数显示了极值。

3.4 多组数据比较

both boxplot()和violinplot()都适合用于多组数据的比较，但它们在视觉表现上有所不同：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(i, 1, 100) for i in range(5)]

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 绘制箱线图
ax1.boxplot(data)
ax1.set_title('Boxplot Comparison - how2matplotlib.com')
ax1.set_xlabel('Groups')
ax1.set_ylabel('Values')

# 绘制小提琴图
ax2.violinplot(data)
ax2.set_title('Violinplot Comparison - how2matplotlib.com')
ax2.set_xlabel('Groups')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们可以看到boxplot和violinplot在比较多组数据时的不同表现。violinplot能够更直观地显示每组数据的分布形状。

4. 何时选择violinplot()或boxplot()

选择使用violinplot()还是boxplot()主要取决于你的数据特征和你想要传达的信息。以下是一些指导原则：

4.1 选择boxplot()的情况

  1. 当你主要关注数据的中心趋势和离散程度时。
  2. 当你需要清晰地展示异常值时。
  3. 当你的受众更熟悉箱线图的解读方式时。
  4. 当你需要一个简洁、快速的数据概览时。

4.2 选择violinplot()的情况

  1. 当你想要展示完整的数据分布形状时。
  2. 当你的数据可能存在多峰分布时。
  3. 当你需要比较不同组之间的概率密度分布时。
  4. 当你想要一个视觉上更吸引人的图表时。

4.3 结合使用的情况

有时候，同时使用boxplot()和violinplot()可以提供更全面的数据视图。例如：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 200)
data2 = np.concatenate([np.random.normal(-1, 0.5, 100), np.random.normal(1, 0.5, 100)])

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制小提琴图
parts = ax.violinplot([data1, data2], showmeans=False, showmedians=False)

# 设置小提琴图的颜色
colors = ['lightblue', 'lightgreen']
for pc, color in zip(parts['bodies'], colors):
    pc.set_facecolor(color)
    pc.set_edgecolor('black')
    pc.set_alpha(0.7)

# 添加箱线图
ax.boxplot([data1, data2], positions=[1, 2], widths=0.15, patch_artist=True,
           showfliers=False, medianprops={"color": "white", "linewidth": 0.5},
           boxprops={"facecolor": "white", "edgecolor": "black", "alpha": 0.5})

# 设置标题和标签
ax.set_title('Combined Violin and Box Plot - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们将小提琴图和箱线图结合在一起，既展示了完整的数据分布，又突出了关键的统计量。

5. violinplot()和boxplot()的高级用法

5.1 自定义boxplot()

Matplotlib允许我们对箱线图进行各种自定义，以更好地适应特定的数据可视化需求。以下是一个自定义boxplot()的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# 创建箱线图
fig, ax = plt.subplots()
bp = ax.boxplot(data, patch_artist=True)

# 自定义颜色
colors = ['lightblue', 'lightgreen', 'tan', 'pink']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 自定义中位数线
for median in bp['medians']:
    median.set_color('red')
    median.set_linewidth(2)

# 自定义须线
for whisker in bp['whiskers']:
    whisker.set_color('gray')
    whisker.set_linestyle('--')

# 设置标题和标签
ax.set_title('Customized Boxplot - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们自定义了箱体的颜色、中位数线的样式以及须线的外观，使得箱线图更加美观和信息丰富。

5.2 自定义violinplot()

同样，我们也可以自定义violinplot()来增强其表现力：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# 创建小提琴图
fig, ax = plt.subplots()
parts = ax.violinplot(data, showmeans=False, showextrema=False, showmedians=False)

# 自定义颜色和透明度
colors = ['lightblue', 'lightgreen', 'tan', 'pink']
for i, pc in enumerate(parts['bodies']):
    pc.set_facecolor(colors[i])
    pc.set_edgecolor('black')
    pc.set_alpha(0.7)

# 添加均值点
means = [np.mean(d) for d in data]
ax.scatter(range(1, len(data) + 1), means, marker='o', color='white', s=30, zorder=3)

# 添加中位数线
medians = [np.median(d) for d in data]
ax.vlines(range(1, len(data) + 1), [np.min(d) for d in data], [np.max(d) for d in data], color='k', linestyle='-', lw=1)
ax.scatter(range(1, len(data) + 1), medians, marker='o', color='white', s=30, zorder=3)

# 设置标题和标签
ax.set_title('Customized Violinplot - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们自定义了小提琴图的颜色和透明度，并添加了均值点和中位数线，使得图表更加丰富和直观。

6. violinplot()和boxplot()的组合应用

有时候，将violinplot()和boxplot()结合使用可以提供更全面的数据视图。以下是一个组合应用的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 200)
data2 = np.concatenate([np.random.normal(-1, 0.5, 100), np.random.normal(1, 0.5, 100)])
data = [data1, data2]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制小提琴图
parts = ax.violinplot(data, showmeans=False, showmedians=False)

# 设置小提琴图的颜色
colors = ['lightblue', 'lightgreen']
for i, pc in enumerate(parts['bodies']):
    pc.set_facecolor(colors[i])
    pc.set_edgecolor('black')
    pc.set_alpha(0.7)

# 添加箱线图
bp = ax.boxplot(data, positions=[1, 2], widths=0.15, patch_artist=True,
                showfliers=False, medianprops={"color": "white", "linewidth": 0.5},
                boxprops={"facecolor": "white", "edgecolor": "black", "alpha": 0.5})

# 设置标题和标签
ax.set_title('Combined Violin and Box Plot - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

这个例子展示了如何将小提琴图和箱线图结合在一起，既展示了完整的数据分布，又突出了关键的统计量。

7. 在实际应用中选择合适的图表

在实际应用中，选择使用violinplot()还是boxplot()（或两者结合）主要取决于以下因素：

  1. 数据特征：如果数据分布复杂（如多峰分布），violinplot()可能更合适；如果主要关注中心趋势和离散程度，boxplot()可能足够。

  2. 受众：考虑你的目标受众是否熟悉这些图表类型。boxplot()通常更为常见和易于理解。

  3. 展示目的：如果需要详细展示数据分布的形状，选择violinplot()；如果需要突出显示异常值，boxplot()可能更合适。

  4. 数据量：对于大量数据集，violinplot()可能会提供更多信息，但计算成本也更高。

  5. 可视化空间：如果有限的空间需要展示多组数据，boxplot()可能更紧凑。

  6. 美观需求：如果追求更美观的可视化效果，violinplot()通常更具吸引力。

让我们通过一个实际应用的例子来说明如何选择合适的图表：

import matplotlib.pyplot as plt
import numpy as np

# 模拟某公司不同部门的工资数据
np.random.seed(42)
departments = ['HR', 'IT', 'Sales', 'Marketing', 'Finance']
salaries = [
    np.random.normal(50000, 5000, 100),  # HR
    np.concatenate([np.random.normal(60000, 5000, 50), np.random.normal(80000, 5000, 50)]),  # IT
    np.random.normal(55000, 10000, 100),  # Sales
    np.random.normal(52000, 7000, 100),  # Marketing
    np.random.lognormal(11, 0.2, 100)  # Finance
]

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

# 绘制箱线图
bp = ax1.boxplot(salaries, patch_artist=True)
ax1.set_xticklabels(departments)
ax1.set_title('Salary Distribution (Boxplot) - how2matplotlib.com')
ax1.set_ylabel('Salary ()')

# 自定义箱线图颜色
colors = ['lightblue', 'lightgreen', 'tan', 'pink', 'lightyellow']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 绘制小提琴图
vp = ax2.violinplot(salaries, showmeans=True, showmedians=True)
ax2.set_xticks(range(1, len(departments) + 1))
ax2.set_xticklabels(departments)
ax2.set_title('Salary Distribution (Violinplot) - how2matplotlib.com')
ax2.set_ylabel('Salary ()')

# 自定义小提琴图颜色
for i, pc in enumerate(vp['bodies']):
    pc.set_facecolor(colors[i])
    pc.set_edgecolor('black')
    pc.set_alpha(0.7)

plt.tight_layout()
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别与应用

在这个例子中，我们模拟了一家公司不同部门的工资数据，并使用boxplot()和violinplot()来可视化这些数据。通过比较这两种图表，我们可以得出以下观察：

  1. boxplot()清晰地显示了每个部门工资的中位数、四分位数范围和异常值，适合快速比较各部门的工资水平和离散程度。

  2. violinplot()则更好地展示了工资分布的形状。例如，我们可以看到IT部门的工资分布呈现双峰特征，这在boxplot()中是无法直接观察到的。

  3. Finance部门的工资分布在violinplot()中显示为右偏分布，这一特征在boxplot()中不太明显。

  4. Sales部门的工资分布在violinplot()中显示为较宽的形状，表明工资差异较大，这一点在boxplot()中也可以通过较长的箱体看出。

  5. HR和Marketing部门的工资分布相对较为集中，这在两种图表中都有体现。

通过这个例子，我们可以看到violinplot()和boxplot()各有优势。在实际应用中，可以根据数据特征和展示需求选择合适的图表类型，或者像这个例子一样同时使用两种图表，以提供更全面的数据视图。

8. 结论

violinplot()和boxplot()都是强大的数据可视化工具，各有其优势和适用场景。boxplot()简洁明了，适合快速展示数据的中心趋势和离散程度，而violinplot()则能更详细地展示数据的分布形状。在实际应用中，应根据数据特征、分析目的和目标受众来选择合适的图表类型。有时候，结合使用这两种图表可以提供更全面的数据洞察。

无论选择哪种图表，关键是要确保图表能够清晰、准确地传达数据中的关键信息。通过合理的自定义和优化，我们可以使这些图表更具信息量和视觉吸引力，从而更好地支持数据分析和决策过程。

最后，建议读者在实际项目中多尝试使用这两种图表，并根据具体情况进行调整和优化，以找到最适合自己数据和需求的可视化方式。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程