Plotly - Distplots 密度图和误差条图

在本章中，我们将详细了解分布图、密度图和误差条图。让我们首先了解 distplots。

分布图

distplot 图形工厂显示数值数据的统计表示形式的组合，例如直方图、核密度估计或正态曲线以及地毯图。

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 rug 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 -

分布图

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连续曲线（内核），然后将所有这些曲线加在一起以进行单个平滑密度估计。

模块plotly.figure_factory._2d_密度中的create_2d_密度()函数返回二维密度图的图形对象。

以下代码用于生成直方图数据的二维密度图。

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)

下面提到的是上面给出的代码的输出。

密度图

误差条图

误差线是数据中误差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数据至关重要。

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

大多数误差线代表数据集的范围和标准差。它们可以帮助可视化数据如何围绕平均值分布。可以在各种图上生成误差线，例如条形图、线图、散点图等。

go.Scatter ()函数具有error_x和error_y属性，用于控制误差线的生成方式。

  • visible (boolean) - 确定这组误差线是否可见。

Type 属性的可能值是“ percent ” | “常数” | “开方” | “ 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百分比。基础数据的平方。如果为“data”，则条形长度由数据集“array”设置。

  • 对称属性可以是 true 或 false。因此，误差条在两个方向上都将具有相同的长度或不同的长度（垂直条的顶部/底部，水平条的左/右）。

  • array - 设置与每个误差条的长度相对应的数据。值是相对于基础数据绘制的。

  • arrayminus - 设置与垂直（水平）条的底部（左）方向上每个误差条的长度相对应的数据。值是相对于基础数据绘制的。

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)

下面给出的是上述代码的输出。

误差条图

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)

其输出如下 -

不对称误差线