Matplotlib 简明教程

Matplotlib - Ribbon Box

一般来说，“带状框”是一个图形表述，用于可视化不同类别或组中数据分布。术语“带状框”指的是以直观且信息丰富的方式显示这些分布的特定绘图类型。当您有许多类别或组并且想要跨这些类别比较变量分布时，它特别有用。

在带状框图中：

  1. 每个类别或组通常沿着 x 轴呈现。

  2. y 轴通常呈现数字变量的范围或分布。

  3. 每个“带”对应于特定类别或组内数字变量的分布。

可以对带进行着色或着色以指示每个类别内分布的密度或强度。这样可以轻松比较各类别之间的分布。

ribbon box1

在此，我们创建了一个简单的带状框图，其中 x 轴上有三个类别（类别 1、类别 2、类别 3）及其沿 y 轴的值分配。我们对带状框着色以指示每个类别内的分布强度。

Ribbon Box in Matplotlib

在 Matplotlib 中，“带状框”是一个视觉表述，用于显示不同类别或组中数字变量的分布。虽然 matplotlib 没有用于创建带状框图的特定函数，但您可以使用其他可用技术，例如：

  1. 使用 matplotlib 的 plot() 函数绘制每个类别或组的中心线。此线表示每个类别内数据的中枢趋势，例如平均值或中值。

  2. 使用 fill_between 函数填充两条曲线之间的区域，其中一条曲线表示带的上边界，另一条曲线表示下边界。

  3. 根据需要添加标签、标题、图例、网格线等来自定义绘图的外观。

Ribbon Box Plot with Confidence Interval

在 matplotlib 中，带置信区间的简单带状框图是一个图形表述，用于显示数据集的中心趋势以及围绕中心值的模糊性。

它就像绘制某个东西（比如每日气温）的平均值，然后在其周围进行阴影处理以显示实际值可能会在不确定性下如何变化。

Example

在以下示例中，我们正在创建一个带状盒图，使用 matplotlib 的 plot() 和 fill_between() 函数分别显示中心趋势和正弦波周围的置信区间（不确定性）。

import matplotlib.pyplot as plt
import numpy as np

# Generating data
x = np.linspace(0, 10, 100)
y_mean = np.sin(x)
# Standard deviation
y_std = 0.1

# Plotting the central line
plt.plot(x, y_mean, color='blue', label='Mean')

# Plotting the shaded area representing the uncertainty (confidence interval)
plt.fill_between(x, y_mean - y_std, y_mean + y_std, color='blue', alpha=0.2, label='Uncertainty')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Simple Ribbon Box Plot with Confidence Interval')
plt.legend()
plt.grid(True)
plt.show()

以下是上面代码的输出： -

ribbon box2

Multiple Ribbon Box Plots

在 Matplotlib 中，多带状盒图是一种使用同一个图中的带状盒图来比较多个数据集分布的方法。每个带状盒图都表示一个不同数据集的扩展和中心趋势，可以轻松地比较它们。

Example

在此，我们使用 matplotlib 生成多个不同颜色的带状盒图来表示两个正弦和余弦波及其不确定性带：

import matplotlib.pyplot as plt
import numpy as np

# Generating data
x = np.linspace(0, 10, 100)
y_means = [np.sin(x), np.cos(x)]
# Standard deviations
y_stds = [0.1, 0.15]
colors = ['blue', 'green']

# Plotting multiple ribbon box plots with different colors
for y_mean, y_std, color in zip(y_means, y_stds, colors):
   plt.plot(x, y_mean, color=color, label='Mean', alpha=0.7)
   plt.fill_between(x, y_mean - y_std, y_mean + y_std, color=color, alpha=0.2)

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Multiple Ribbon Box Plots with Different Colors')
plt.legend()
plt.grid(True)
plt.show()

执行上述代码，我们将得到以下输出 −

ribbon box3

Stacked Ribbon Box Plot

在 Matplotlib 中，堆叠带状盒图是一种用于比较多个数据集分布的同时还能显示所有这些数据集组合分布的图形表示类型。

在堆叠带状盒图中，每个数据集都由它自己的带状盒图表示，就像在多个带状盒图中一样。但是，它不是并排显示盒图，而是垂直堆叠在彼此的顶部。这种堆叠允许对每个分布的分布进行直接比较，同时也可以显示它们在组合时如何对总体分布做出贡献。

Example

现在，我们正在绘制一个堆叠带状盒图，堆叠正弦和余弦波的分布以使用 matplotlib 比较它们在 x 轴上的变化情况：

import matplotlib.pyplot as plt
import numpy as np

# Generating example data
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Plotting stacked ribbon box plot
plt.plot(x, y1, color='blue', label='Dataset 1')
plt.fill_between(x, y1, color='blue', alpha=0.2)
plt.plot(x, y2, color='green', label='Dataset 2')
plt.fill_between(x, y2, color='green', alpha=0.2)

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Stacked Ribbon Box Plot')
plt.legend()
plt.grid(True)
plt.show()

执行上面的代码后，我们得到以下输出： -

ribbon box4

Horizontal Ribbon Box Plot

Matplotlib 中的水平带状盒图是一种图形表示，它使用带状盒子沿着水平轴显示数据集的分布。

在水平带状盒图中，将数据集的值分组到类别或箱中，并且为每个类别水平绘制带状盒子。每个盒子的长度表示该类别中值的范围，而沿水平轴的位置表示类别本身。

Example

在以下示例中，我们正在创建一个水平带状盒图来表示沿 y 轴的类别及其使用 matplotlib 的相应平均值和不确定性：

import matplotlib.pyplot as plt
import numpy as np

# Generating data
y = np.arange(1, 6)
x_means = [5, 7, 6, 8, 9]
x_stds = [0.5, 0.3, 0.4, 0.2, 0.6]

# Plotting horizontal ribbon box plot
plt.plot(x_means, y, color='blue', label='Mean', linestyle='none', marker='o')
plt.fill_betweenx(y, np.subtract(x_means, x_stds), np.add(x_means, x_stds), color='blue', alpha=0.2) # Fixing this line

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Horizontal Ribbon Box Plot')
plt.legend()
plt.grid(True)
plt.show()

执行上述代码，我们将得到以下输出 −

ribbon box5