Boxplot vs Violine

Einführung

In diesem Tutorial wird Ihnen der Prozess des Erstellens von Boxplots und Violinplots mithilfe der Python-Matplotlib-Bibliothek erklärt. Boxplots und Violinplots werden verwendet, um die Verteilung von Daten zu visualisieren.

Tipps für die VM

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Bibliotheken importieren

Bevor wir die Diagramme erstellen, müssen wir die erforderlichen Bibliotheken importieren. Wir werden numpy verwenden, um zufällige Daten zu generieren, und matplotlib.pyplot, um die Diagramme zu erstellen.

import matplotlib.pyplot as plt
import numpy as np

Daten generieren

Wir werden einige zufällige Testdaten mit numpy generieren.

np.random.seed(19680801)
all_data = [np.random.normal(0, std, 100) for std in range(6, 10)]

Violinplot erstellen

Wir werden einen Violinplot mit der Methode violinplot() erstellen. Diese Methode nimmt mehrere Argumente wie Daten, showmeans, showmedians usw. entgegen.

fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(9, 4))
axs[0].violinplot(all_data, showmeans=False, showmedians=True)
axs[0].set_title('Violin plot')

Boxplot erstellen

Wir werden einen Boxplot mit der Methode boxplot() erstellen. Diese Methode nimmt mehrere Argumente wie Daten, labels, showmeans, notch usw. entgegen.

axs[1].boxplot(all_data)
axs[1].set_title('Box plot')

Horizontale Linien und Labels hinzufügen

Wir werden horizontale Gitternetzlinien hinzufügen und die x- und y-Labels für die Diagramme festlegen.

for ax in axs:
    ax.yaxis.grid(True)
    ax.set_xticks([y + 1 for y in range(len(all_data))], labels=['x1', 'x2', 'x3', 'x4'])
    ax.set_xlabel('Four separate samples')
    ax.set_ylabel('Observed values')

Die Diagramme anzeigen

Schließlich werden wir die Diagramme mit der Methode show() anzeigen.

plt.show()

Zusammenfassung

In diesem Tutorial haben wir gelernt, wie man mit der Python-Bibliothek Matplotlib Boxplots und Violinplots erstellt. Wir haben auch gelernt, wie man horizontale Gitternetzlinien hinzufügt und die x- und y-Labels für die Diagramme festlegt. Boxplots und Violinplots sind hilfreich bei der Visualisierung der Datenverteilung.