HTML CSS JAVASCRIPT BOOTSTRAP JQUERY PHP SQL PYTHON PYTHON2 JAVA C C++ C# Linux AI 教程库 参考手册 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

Plotly - 分布图、密度图和误差线图

在本章中，我们将详细了解分布图、密度图和误差线图。让我们从学习 distplots 开始。

分布图

distplot 图形工厂显示数值数据的统计表示组合，例如直方图、核密度估计或正态曲线和地毯图。

distplot 可以由以下 3 个组件的全部或任意组合组成 −

  • 直方图
  • 曲线：(a) 核密度估计或 (b) 正态曲线，以及
  • 地毯图

figure_factory 模块具有 create_distplot() 函数，该函数需要一个名为 hist_data 的强制参数。

以下代码创建一个由直方图、kde 图和地毯图组成的基本 distplot。

x = np.random.randn(1000)
hist_data = [x]
group_labels = ['distplot']
fig = ff.create_distplot(hist_data, group_labels)
iplot(fig)

上述代码的输出如下 −

Distplots

密度图

密度图是根据数据估计的直方图的平滑、连续版本。最常见的估计形式称为核密度估计 (KDE)。在此方法中，在每个单独的数据点处绘制一条连续曲线（核），然后将所有这些曲线加在一起以进行单一平滑的密度估计。

模块 plotly.figure_factory._2d_density 中的 create_2d_density() 函数返回 2D 密度图的图形对象。

以下代码用于在直方图数据上生成 2D 密度图。

t = np.linspace(-1, 1.2, 2000)
x = (t**3) + (0.3 * np.random.randn(2000))
y = (t**6) + (0.3 * np.random.randn(2000))
fig = ff.create_2d_density( x, y)
iplot(fig)

下面提到的是上述代码的输出。

密度图

误差线图

误差线是数据中的错误或不确定性的图形表示，它们有助于正确解释。出于科学目的，报告错误对于理解给定的数据至关重要。

误差线对问题解决者很有用，因为误差线显示了一组测量值或计算值的置信度或精度。

大多数误差线表示数据集的范围和标准偏差。它们可以帮助直观地了解数据如何围绕平均值分布。误差线可以在各种图上生成，例如条形图、线图、散点图等。

go.Scatter() 函数具有 error_x 和 error_y 属性，用于控制如何生成误差线。

  • visible (boolean) − 确定这组误差线是否可见。

Type 属性可能具有以下值 "percent" | "constant" | "sqrt" | "data"。它设置用于生成误差线的规则。如果为"percent"，则条形长度对应于基础数据的百分比。在"value"中设置此百分比。如果为"sqrt"，则条形长度对应于基础数据的平方。如果为"data"，则条形长度使用数据集"array"设置。

  • symmetric 属性可以为 true 或 false。因此，误差线在两个方向上的长度相同或不同（垂直条的顶部/底部，水平条的左侧/右侧）。

  • array − 设置与每个误差线长度相对应的数据。值是相对于基础数据绘制的。

  • arrayminus − 设置与垂直（水平）条底部（左侧）方向的每个误差线长度相对应的数据。值是相对于基础数据绘制的。基础数据。

以下代码在散点图上显示对称误差线 −

trace = go.Scatter(
   x = [0, 1, 2], y = [6, 10, 2],
   error_y = dict(
   type = 'data', # value of error bar given in data coordinates
   array = [1, 2, 3], visible = True)
)
data = [trace]
layout = go.Layout(title = 'Symmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)

下面给出了上述代码的输出。

误差线图

非对称误差图由以下脚本呈现 −

trace = go.Scatter(
   x = [1, 2, 3, 4], 
   y =[ 2, 1, 3, 4],
   error_y = dict(
      type = 'data',
      symmetric = False,
      array = [0.1, 0.2, 0.1, 0.1], 
      arrayminus = [0.2, 0.4, 1, 0.2]
   )
)
data = [trace]
layout = go.Layout(title = 'Asymmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)

相同的输出如下所示−

非对称误差条
❮ 上一节 下一节 ❯