返回顶部
分享到

Python使用Matplotlib绘制Swarm Plot(蜂群图)的代码

python 来源:互联网 作者:佚名 发布时间:2025-04-04 08:50:39 人浏览
摘要

Swarm Plot(蜂群图)是一种数据可视化图表,它用于展示分类数据的分布情况。这种图表通过将数据点沿着一个或多个分类变量轻微地分散,以避免它们之间的重叠,从而更好地显示数据的分布

Swarm Plot(蜂群图)是一种数据可视化图表,它用于展示分类数据的分布情况。这种图表通过将数据点沿着一个或多个分类变量轻微地分散,以避免它们之间的重叠,从而更好地显示数据的分布密度和分布趋势。Swarm Plot特别适用于较小的数据集。

为什么使用Swarm Plots?

蜂群图在以下情况下非常有利:

  • 可视化类别内的点分布。
  • 识别数据中的模式或离群值。
  • 通过显示单个数据点来补充其他图,如箱形图或小提琴图。

但是,它们可能会因大型数据集而变得混乱,并且可能不适合涉及多个变量的复杂关系。

使用Matplotlib创建Swarm Plots

虽然Seaborn提供了一种简单的方法来创建蜂群图,但Matplotlib没有用于这种类型图的内置函数。但是,您可以通过编写自定义函数来创建类似的效果。

要在Matplotlib中创建蜂群图,关键是操纵数据点的x轴位置,使它们水平间隔开,避免重叠,同时保持它们的分类分组。

步骤1:导入所需的库

首先导入必要的库,例如Matplotlib、NumPy和Pandas以进行数据操作。以下是如何使用Matplotlib创建蜂群图的示例:

1

2

3

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

步骤2:生成示例数据

对于本文,让我们创建一个表示多个类别和数值数据的随机数据集。您可以将其替换为您想要可视化的任何数据集。

1

2

3

4

5

6

7

8

# Create a sample dataset

np.random.seed(0)

categories = ['A', 'B', 'C']

data = {

    'Category': np.random.choice(categories, size=150),

    'Value': np.random.randn(150)

}

df = pd.DataFrame(data)

步骤3:散点图准备

使用Matplotlib的散点函数绘制各个点。y轴表示值,而x轴表示类别。

1

2

3

4

5

6

# Create a basic scatter plot

plt.scatter(df['Category'], df['Value'])

plt.xlabel('Category')

plt.ylabel('Value')

plt.title('Basic Scatter Plot')

plt.show()

输出

在这里插入图片描述

在这个阶段,点将重叠,特别是在密集区域。下一步是将点隔开,以获得更清晰的群体图效果。

步骤4:添加抖动以避免重叠

为了避免数据点重叠,您可以向x轴位置添加抖动(一个小的随机变化)。这将模拟群集图的效果,其中点水平分布。

1

2

3

4

5

6

7

8

9

10

11

12

13

def add_jitter(x, scale=0.05):

    return x + np.random.uniform(-scale, scale, size=len(x))

 

df['Jittered_Category'] = df['Category'].apply(lambda x: categories.index(x))

df['Jittered_Category'] = add_jitter(df['Jittered_Category'])

 

# Create a scatter plot with jittered points

plt.scatter(df['Jittered_Category'], df['Value'], alpha=0.7)

plt.xticks(ticks=range(len(categories)), labels=categories)

plt.xlabel('Category')

plt.ylabel('Value')

plt.title('Swarm Plot with Jittered Points')

plt.show()

在这里插入图片描述

在这里,add_jitter用于稍微移动每个类别中的点的x轴位置。这样可以防止重叠,并使点沿分类轴均匀分布。

自定义蜂群图

1. 使用注释增强蜂群图

您可以向蜂群图添加文本注释以突出显示某些数据点。当您想要指出特定的值或类别时,这特别有用。注释有助于强调特定的数据点并提供额外的上下文。

1

2

3

4

5

6

7

8

9

10

11

12

13

# Add annotations to the plot

plt.scatter(df['Jittered_Category'], df['Value'], s=50, alpha=0.6)

plt.xticks(ticks=range(len(categories)), labels=categories)

plt.xlabel('Category')

plt.ylabel('Value')

plt.title('Swarm Plot with Annotations')

 

# Highlight a point

highlight = df.iloc[10]

plt.annotate('Highlighted Point', (highlight['Jittered_Category'], highlight['Value']),

             xytext=(10, 20), textcoords='offset points', arrowprops=dict(arrowstyle='->'))

 

plt.show()

在这里插入图片描述

2. 为不同类别添加颜色

要区分类别,可以使用散点图中的c参数为每个类别添加不同的颜色。

在这里插入图片描述

将蜂群图与其他图类型叠加

蜂群图可以与其他类型的图(如箱线图或小提琴图)结合使用,以提供更全面的数据分布视图。例如,您可以将群图叠加在箱形图上。

1

2

3

4

5

6

7

8

9

10

# Create a box plot

plt.boxplot([df[df['Category'] == cat]['Value'] for cat in categories], positions=range(len(categories)))

 

# Overlay the swarm plot

plt.scatter(df['Jittered_Category'], df['Value'], c=df['Color'], s=50, alpha=0.6)

plt.xticks(ticks=range(len(categories)), labels=categories)

plt.xlabel('Category')

plt.ylabel('Value')

plt.title('Swarm Plot Overlayed on Box Plot')

plt.show()

在这里插入图片描述

Tips和最佳实践

  • 数据缩放:确保x轴正确缩放,以适应抖动,而不会过度重叠。
  • 抖动灵敏度:您添加的抖动量应根据数据的密度进行调整。太多的抖动会使图形混乱。
  • 小心使用颜色和标记:颜色和形状的选择应避免混淆,特别是在具有许多类别的复杂图中。

总结

在Matplotlib中创建蜂群图需要手动操作数据点的x轴位置以避免重叠。虽然像Seaborn这样的库简化了这个过程,但Matplotlib提供了根据特定需求定制蜂群图的灵活性。通过添加抖动、调整点大小和透明度以及使用颜色和标记形状,您可以创建有效且视觉上吸引人的蜂群图。


版权声明 : 本文内容来源于互联网或用户自行发布贡献,该文观点仅代表原作者本人。本站仅提供信息存储空间服务和不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权, 违法违规的内容, 请发送邮件至2530232025#qq.cn(#换@)举报,一经查实,本站将立刻删除。
原文链接 :
相关文章
  • 本站所有内容来源于互联网或用户自行发布,本站仅提供信息存储空间服务,不拥有版权,不承担法律责任。如有侵犯您的权益,请您联系站长处理!
  • Copyright © 2017-2022 F11.CN All Rights Reserved. F11站长开发者网 版权所有 | 苏ICP备2022031554号-1 | 51LA统计