Matplotlib.pyplot.violinplot() en Python

Matplotlib es una increíble biblioteca de visualización en Python para gráficos 2D de arrays. Matplotlib es una biblioteca de visualización de datos multiplataforma basada en arrays NumPy y diseñada para funcionar con la pila SciPy más amplia.

Matplotlib.pyplot.violinplot()

El matplotlib.pyplot.violinplot() es, como su nombre lo explica, se usa para hacer diagramas de violín. A través de esta función, puede hacer un diagrama de violín para cada columna del conjunto de datos o cada vector en la secuencia del conjunto de datos. Todas las áreas llenas se extienden para mostrar todo el rango de datos con líneas que son opcionales en la media, la mediana, el máximo y el mínimo.

Sintaxis: matplotlib.pyplot.violinplot(conjunto de datos, posiciones=Ninguno, vert=Verdadero, anchos=0.5, showmeans=False, showextrema=True, showmedians=False, puntos=100, bw_method=Ninguno, *, data=Ninguno)

Parámetros:

1. conjunto de datos: es un parámetro requerido que generalmente es una array o una secuencia de vectores. Aquí es donde los datos se envían a la función.
2. posiciones: es un objeto similar a una array cuyo valor predeterminado es una array de 1 a n (es decir, predeterminado = [1, 2, 3…n]). Se utiliza para establecer la posición de los violines. Los límites y los ticks se establecen automáticamente para que coincidan con las posiciones.
3. vert: este parámetro acepta un valor booleano. El valor predeterminado para este parámetro es Falso. Si se establece en True, crea un diagrama de violín vertical; de lo contrario, establece un diagrama de violín horizontal.
4. anchos: acepta un objeto similar a una array y tiene un valor predeterminado de 0.5. Se utiliza para establecer el ancho máximo de cada violín y puede ser un escalar o un vector. Si se utiliza el valor predeterminado, ocupa aproximadamente la mitad del espacio horizontal.
5. showmeans: acepta un valor booleano y tiene el valor predeterminado como falso. si se establece en verdadero, alterna la representación de la media
6. showextremama: Acepta un valor booleano y por defecto se establece en False. si se establece en True, alterna la representación de los extremos.
7. showmedians: acepta un valor booleano y tiene un valor predeterminado falso. Si se establece en True, alterna la representación de las medianas.
8. puntos: Acepta un escalar y tiene un valor predeterminado de 100. Se utiliza para definir el número total de puntos para calcular cada estimación de densidad del kernel gaussiano.
9. bw_method: Es un parámetro opcional que acepta una string, un escalar o un invocable. El ancho de banda del estimador se calcula utilizando este método. Puede ser ‘silverman’, ‘scott’, una constante invocable o escalar. En el caso de escalar, se usa directamente como kde.factor. Si es invocable, solo toma una instancia de GaussianKDE y devuelve un escalar. Scott se usa en caso Ninguno

Devoluciones: esta función devuelve una asignación de diccionario de cada componente de la trama de violín a una lista de instancias de colección respectivas. el diccionario devuelto tiene las siguientes claves:

• cuerpos: una lista de instancias de matplotlib.collections.PolyCollection que contiene el área rellena de cada violín.
• cmeans: se crea una instancia de matplotlib.collections.LineCollection para identificar la media de cada distribución de violín
• cmins: una instancia de matplotlib.collections.LineCollection creada para identificar la parte inferior de cada distribución de violín.
• cmaxes: una instancia de matplotlib.collections.LineCollection creada para identificar la parte superior de cada distribución de violín.
• cbars: una instancia de matplotlib.collections.LineCollection creada para identificar el centro de cada distribución de violín.
• cmedians: una instancia de matplotlib.collections.LineCollection creada para identificar el valor medio de cada distribución de violín.

Ejemplo 1:

import numpy as np
import matplotlib.pyplot as plt
  
np.random.seed(21)
data = np.random.random(111)
quartile1, median, quartile3 = np.percentile(data,
                                             [ 50, 75,100],
                                             axis=0)
plt.violinplot(data)
plt.vlines(1, quartile1, 
           quartile3,
           color='r', 
           linestyle='--')
  
plt.hlines(quartile1,.7,1.2)
plt.hlines(quartile3,.7,1.2) 

Producción:

Ejemplo 2:

import matplotlib.pyplot as plt
  
# Fixing random state for
# reproducibility
np.random.seed(15437660)
  
# creating randomly generate 
# collections / data
coll_1 = np.random.normal(100, 10, 200)
coll_2 = np.random.normal(80, 30, 200)
coll_3 = np.random.normal(90, 20, 200)
coll_4 = np.random.normal(70, 25, 200)
  
## combining these different 
# collections into a list
data_plotter = [coll_1, coll_2, 
                coll_3, coll_4]
  
plt.violinplot(data_plotter)
  
plt.show()

Producción: