Violinplot usando Seaborn en Python

Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido sobre la biblioteca matplotlib y también está estrechamente integrado en las estructuras de datos de pandas.

Trama de violín

Un diagrama de violín juega una actividad similar que se realiza a través de un diagrama de caja o de bigotes. Como muestra varios datos cuantitativos a través de una o más variables categóricas. Puede ser una forma efectiva y atractiva de mostrar múltiples datos en varias unidades. Un marco de datos de «forma ancha» ayuda a mantener cada columna numérica que se puede trazar en el gráfico. Es posible usar objetos NumPy o Python, pero son preferibles los objetos pandas porque los nombres asociados se usarán para anotar los ejes.

Sintaxis: seaborn.violinplot(x=Ninguno, y=Ninguno, hue=Ninguno, data=Ninguno, order=Ninguno, hue_order=Ninguno, bw=’scott’, cut=2, scale=’area’, scale_hue=True, gridsize=100, width=0.8, inner=’box’, split=False, dodge=True, orient=Ninguno, linewidth=Ninguno, color=Ninguno, palette=Ninguno, saturación=0.75, ax=Ninguno, **kwargs)
Parámetros:  
x, y, hue: Entradas para trazar datos de formato largo. 
datos: conjunto de datos para el trazado. 
escala: El método utilizado para escalar el ancho de cada violín. 
 

Devoluciones: este método devuelve el objeto Axes con el gráfico dibujado en él.

Ejemplo 1: Visualización básica del conjunto de datos «fmri» usando violinplot()  

import seaborn
    
    
seaborn.set(style = 'whitegrid')
fmri = seaborn.load_dataset("fmri")
    
seaborn.violinplot(x ="timepoint",
             y ="signal",
             data = fmri)

Producción:

Ejemplo 2: Agrupación de puntos de datos en función de la categoría, aquí como región y evento. 

import seaborn
    
    
seaborn.set(style = 'whitegrid')
fmri = seaborn.load_dataset("fmri")
    
seaborn.violinplot(x ="timepoint",
             y ="signal",
             hue ="region",
             style ="event",
             data = fmri)

Producción:

Ejemplo 3: Visualización básica del conjunto de datos de «consejos» usando lineplot()

import seaborn
    
    
seaborn.set(style = 'whitegrid') 
tip = seaborn.load_dataset('tips')
  
seaborn.violinplot(x ='day', y ='tip', data = tip)

Producción:

Agrupar variables en Seaborn violinplot con diferentes atributos:

1.

Si usamos solo una variable de datos en lugar de dos variables de datos, significa que el eje denota cada una de estas variables de datos como un eje.

X denota un eje x e y denota un eje y.

Sintaxis: 

seaborn.violinplot(x)

Código:

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x=tip["total_bill"])

Producción:

2.

a

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x="tip", y="day", data=tip)

Producción:

3. Usando el parámetro de tono:

Si bien los puntos se trazan en dos dimensiones, se puede agregar otra dimensión al gráfico coloreando los puntos de acuerdo con una tercera variable.

Sintaxis:

sns.violinplot(x, y, matiz, datos)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x="day", y="total_bill", hue="time", data=tips)

Producción:

4. Dibuje contornos alrededor de los puntos de datos utilizando el ancho de línea:

Ancho de las líneas grises que enmarcan los elementos de la trama. Cada vez que aumentamos el ancho de línea, el punto también aumentará automáticamente.

Sintaxis:

seaborn.violinplot(x, y, datos, ancho de línea)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x ='day', y ='tip', data = tip, linewidth = 4)

Producción:

5. Dibuje cada nivel de la variable de matiz en diferentes ubicaciones en el eje categórico principal:

Cuando se utiliza el anidamiento de tonos, si se establece Dodge debe ser Verdadero, se separará el punto para diferentes niveles de tono a lo largo del eje categórico. Y Palette se usa para los diferentes niveles de la variable de matiz.

Sintaxis:

seaborn.violinplot(x, y, data, hue, palette, dodge)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x="day", y="total_bill", hue="smoker",
                   data=tips, palette="Set2", dodge=True)

Producción:

Los posibles valores de la paleta son:

Acento, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r,

GnBu, GnBu_r, Verdes, Verdes_r, Grises, Grises_r, OrRd, OrRd_r, Naranjas, Naranjas_r, PRGn, PRGn_r, Emparejado, Emparejado_r,

Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r,

Morados, Morados_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Rojos, Reds_r, Set1,

Set1_r, Set2, Set2_r, Set3, Set3_r, espectral, espectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr,

YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, otoño, otoño_r, binario, binario_r, hueso, hueso_r, brg, brg_r, bwr, bwr_r,

cividis, cividis_r, guay, cool_r, coolwarm, coolwarm_r, cobre, cobre_r, cubehelix, cubehelix_r, bandera, flag_r, gist_earth,

gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, 

7. violín

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x="time", y="tip", data=tips,
                   order=["Dinner", "Lunch"])

Producción:

8. Agregando los atributos de la paleta:

colores violinplot

seaborn.violinplot(x, y, data, palette=”color_name”)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x='day', y='total_bill',
                   data=tips, hue='time', palette='pastel')

Producción:

9. Agregando el parámetro de saturación:

1

seaborn.violinplot(x, y, datos, saturación)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x ='day', y ='tip',
                   data = tip, saturation =0.03)

Producción:

10. Agregar parámetro de color:

Va a

seaborn.violinplot(x, y, datos, color)

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x ='day', y ='tip', data = tip, color = "Yellow")

Producción:

11. Escale el ancho del violín por el número de observaciones en cada contenedor:

# Python program to illustrate
# violinplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.violinplot(x="day", y="total_bill", hue="sex",
                    data=tip, palette="Set2", split=True,
                    scale="count")

Producción: