当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中violinplot()和boxplot()的区别及应用

Matplotlib中violinplot()和boxplot()的区别及应用

Matplotlib中violinplot()和boxplot()的区别及应用

参考：How is violinplot() Different from boxplot()

Matplotlib是Python中最常用的数据可视化库之一，它提供了多种图表类型来展示数据分布。其中，violinplot()和boxplot()都是用于展示数据分布的重要工具，但它们在展示方式和信息量上有着显著的区别。本文将详细介绍这两种图表的特点、区别以及各自的应用场景，并通过多个示例代码来展示它们的使用方法。

1. boxplot()简介

boxplot()，也称为箱线图，是一种用于显示一组数据分散情况的统计图，其显示的主要统计量包括最小值、下四分位数、中位数、上四分位数和最大值。

1.1 boxplot()的基本组成

一个标准的箱线图由以下几个部分组成：

  1. 箱体：表示数据的中间50%，即从下四分位数到上四分位数的范围。
  2. 中位线：在箱体内部的线，表示数据的中位数。
  3. 须线：从箱体延伸出去的线，通常延伸到最小值和最大值。
  4. 异常值：位于须线之外的数据点，通常用圆点表示。

1.2 boxplot()的基本使用

以下是一个使用boxplot()的简单示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 创建图形
plt.figure(figsize=(8, 6))

# 绘制箱线图
plt.boxplot(data)

# 设置标题和标签
plt.title('Boxplot Example - how2matplotlib.com')
plt.ylabel('Value')

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

在这个示例中，我们生成了一组正态分布的随机数据，然后使用boxplot()函数绘制了箱线图。这个图表清晰地展示了数据的中位数、四分位数范围以及可能的异常值。

2. violinplot()简介

violinplot()，也称为小提琴图，是箱线图的一个变体，它不仅显示了数据的摘要统计信息，还展示了数据的概率密度。

2.1 violinplot()的基本组成

一个标准的小提琴图由以下几个部分组成：

  1. 密度轮廓：表示数据分布的概率密度，形状类似小提琴。
  2. 中位数：通常用一个点或线表示。
  3. 四分位数范围：通常在密度轮廓内部用线段表示。
  4. 最大值和最小值：通常用线段的端点表示。

2.2 violinplot()的基本使用

以下是一个使用violinplot()的简单示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 创建图形
plt.figure(figsize=(8, 6))

# 绘制小提琴图
plt.violinplot(data)

# 设置标题和标签
plt.title('Violinplot Example - how2matplotlib.com')
plt.ylabel('Value')

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

在这个示例中，我们使用了与boxplot()示例相同的数据，但使用violinplot()函数绘制了小提琴图。这个图表不仅显示了数据的中位数和四分位数范围，还通过密度轮廓展示了数据的分布情况。

3. boxplot()和violinplot()的主要区别

虽然boxplot()和violinplot()都用于展示数据分布，但它们在信息展示和适用场景上有一些重要的区别：

3.1 信息量

  1. boxplot()主要展示数据的五个统计量（最小值、下四分位数、中位数、上四分位数、最大值），以及可能的异常值。
  2. violinplot()除了展示这些统计量外，还通过密度轮廓展示了数据的概率分布情况。

3.2 数据分布的可视化

  1. boxplot()对于展示数据的中心趋势和离散程度很有效，但无法显示数据的分布形状。
  2. violinplot()通过密度轮廓直观地展示了数据的分布形状，可以清楚地看出数据是否呈现正态分布、偏态分布等。

3.3 多组数据的比较

  1. boxplot()在比较多组数据时非常直观，特别是在比较中位数和四分位数范围时。
  2. violinplot()在比较多组数据的分布形状时更有优势，可以直观地看出不同组之间分布的差异。

3.4 适用的数据量

  1. boxplot()对数据量的要求相对较低，即使在数据量较小的情况下也能提供有用的信息。
  2. violinplot()通常需要较大的数据量才能准确地估计概率密度，在数据量较小时可能会产生误导。

4. boxplot()的进阶使用

4.1 绘制多组数据的箱线图

import matplotlib.pyplot as plt
import numpy as np

# 生成多组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(1, 1.5, 1000)
data3 = np.random.normal(-1, 0.5, 1000)

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制多组箱线图
plt.boxplot([data1, data2, data3], labels=['Group 1', 'Group 2', 'Group 3'])

# 设置标题和标签
plt.title('Multiple Boxplots - how2matplotlib.com')
plt.ylabel('Value')

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何在一个图表中绘制多组数据的箱线图。通过这种方式，我们可以直观地比较不同组之间的数据分布情况。

4.2 自定义箱线图的样式

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 创建图形
plt.figure(figsize=(8, 6))

# 绘制自定义样式的箱线图
bp = plt.boxplot(data, patch_artist=True)

# 设置箱体颜色
for box in bp['boxes']:
    box.set(facecolor='lightblue', edgecolor='navy')

# 设置中位线颜色
for median in bp['medians']:
    median.set(color='red', linewidth=2)

# 设置须线颜色
for whisker in bp['whiskers']:
    whisker.set(color='green', linewidth=1.5, linestyle='--')

# 设置标题和标签
plt.title('Customized Boxplot - how2matplotlib.com')
plt.ylabel('Value')

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何自定义箱线图的各个部分的样式，包括箱体颜色、中位线颜色和须线样式等。通过这种方式，我们可以创建更具视觉吸引力的箱线图。

5. violinplot()的进阶使用

5.1 绘制多组数据的小提琴图

import matplotlib.pyplot as plt
import numpy as np

# 生成多组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(1, 1.5, 1000)
data3 = np.random.normal(-1, 0.5, 1000)

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制多组小提琴图
plt.violinplot([data1, data2, data3], showmeans=True, showmedians=True)

# 设置标题和标签
plt.title('Multiple Violinplots - how2matplotlib.com')
plt.ylabel('Value')
plt.xticks([1, 2, 3], ['Group 1', 'Group 2', 'Group 3'])

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何在一个图表中绘制多组数据的小提琴图。通过这种方式，我们可以直观地比较不同组之间的数据分布形状和密度。

5.2 自定义小提琴图的样式

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.normal(0, 1, 1000)

# 创建图形
plt.figure(figsize=(8, 6))

# 绘制自定义样式的小提琴图
parts = plt.violinplot(data, showmeans=False, showmedians=False)

# 设置小提琴体的颜色和透明度
for pc in parts['bodies']:
    pc.set_facecolor('lightblue')
    pc.set_edgecolor('navy')
    pc.set_alpha(0.7)

# 添加中位数和平均值
plt.scatter(1, np.median(data), marker='o', color='red', s=30, zorder=3)
plt.scatter(1, np.mean(data), marker='D', color='green', s=30, zorder=3)

# 设置标题和标签
plt.title('Customized Violinplot - how2matplotlib.com')
plt.ylabel('Value')

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何自定义小提琴图的样式，包括设置小提琴体的颜色和透明度，以及添加中位数和平均值的标记。通过这种方式，我们可以创建更具信息量和视觉吸引力的小提琴图。

6. boxplot()和violinplot()的组合使用

有时候，我们可能希望同时利用boxplot()和violinplot()的优点，这时可以考虑将两种图表结合使用。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(1, 1.5, 1000)
data3 = np.random.normal(-1, 0.5, 1000)

# 创建图形
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

# 绘制箱线图
bp = ax1.boxplot([data1, data2, data3], patch_artist=True)
for box in bp['boxes']:
    box.set(facecolor='lightblue', edgecolor='navy')

# 绘制小提琴图
vp = ax2.violinplot([data1, data2, data3], showmeans=True, showmedians=True)
for body in vp['bodies']:
    body.set_facecolor('lightgreen')
    body.set_edgecolor('darkgreen')
    body.set_alpha(0.7)

# 设置标题和标签
ax1.set_title('Boxplot - how2matplotlib.com')
ax2.set_title('Violinplot - how2matplotlib.com')
ax1.set_ylabel('Value')
ax2.set_ylabel('Value')
ax1.set_xticklabels(['Group 1', 'Group 2', 'Group 3'])
ax2.set_xticklabels(['Group 1', 'Group 2', 'Group 3'])

# 调整子图间距
plt.tight_layout()

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何在同一个图形中并排绘制箱线图和小提琴图。通过这种方式，我们可以同时利用两种图表的优点，既能看到数据的关键统计量，又能直观地了解数据的分布形状。

7. 选择使用boxplot()还是violinplot()的考虑因素

在选择使用boxplot()还是violinplot()时，需要考虑以下几个因素：

  1. 数据量：如果数据量较小，boxplot()可能更合适，因为violinplot()在数据量小时可能无法准确估计概率密度。

  2. 分布形状：如果你关心数据的具体分布形状（如是否存在多峰、偏态等），violinplot()会更有帮助。

  3. 异常值：如果你主要关注异常值的检测，boxplot()可能更直观。

  4. 多组比较：对于多组数据的比较，两种图表都有各自的优势。boxplot()在比较中位数和四分位数范围时更直观，而violinplot()在比较整体分布形状时更有优势。

  5. 受众：考虑你的目标受众对这两种图表的熟悉程度。boxplot()通常更为常见，可能更容易被广泛理解。

  6. 可视化目的：如果你的主要目的是展示数据的集中趋势和离散程度，boxplot()可能就足够了。如果你想展示更多的分布细节，violinplot()会更合适。

8. boxplot()和violinplot()的高级应用

8.1 结合散点图的箱线图

有时，我们可能希望在箱线图上直接展示原始数据点，这可以通过结合散点图来实现：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
data3 = np.random.normal(-1, 0.5, 100)

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制箱线图
bp = plt.boxplot([data1, data2, data3], patch_artist=True)

# 自定义箱线图样式
colors = ['lightblue', 'lightgreen', 'lightpink']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

# 添加散点
for i, data in enumerate([data1, data2, data3], 1):
    x = np.random.normal(i, 0.04, len(data))
    plt.scatter(x, data, alpha=0.3)

# 设置标题和标签
plt.title('Boxplot with Scatter - how2matplotlib.com')
plt.ylabel('Value')
plt.xticks([1, 2, 3], ['Group 1', 'Group 2', 'Group 3'])

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何在箱线图上添加散点图，以同时显示原始数据点和统计摘要。这种方法特别适用于数据量较小的情况，可以让读者更全面地了解数据分布。

8.2 分组小提琴图

当我们需要比较多个分类变量下的数值分布时，可以使用分组小提琴图：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 生成示例数据
np.random.seed(42)
df = pd.DataFrame({
    'group': np.repeat(['A', 'B', 'C'], 300),
    'subgroup': np.tile(np.repeat(['X', 'Y'], 150), 3),
    'value': np.concatenate([
        np.random.normal(0, 1, 300),
        np.random.normal(1, 1.5, 300),
        np.random.normal(-1, 0.5, 300)
    ])
})

# 创建图形
plt.figure(figsize=(12, 6))

# 绘制分组小提琴图
vp = plt.violinplot([df[(df['group'] == g) & (df['subgroup'] == s)]['value'] 
                     for g in ['A', 'B', 'C'] for s in ['X', 'Y']])

# 自定义小提琴图样式
colors = ['lightblue', 'lightgreen']
for i, pc in enumerate(vp['bodies']):
    pc.set_facecolor(colors[i % 2])
    pc.set_edgecolor('black')
    pc.set_alpha(0.7)

# 设置标题和标签
plt.title('Grouped Violinplot - how2matplotlib.com')
plt.ylabel('Value')
plt.xticks(range(1, 7), ['A-X', 'A-Y', 'B-X', 'B-Y', 'C-X', 'C-Y'])

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例展示了如何创建分组小提琴图，用于比较多个分类变量（在这个例子中是 ‘group’ 和 ‘subgroup’）下的数值分布。这种图表可以有效地展示复杂的分组数据结构。

9. boxplot()和violinplot()在不同数据分布下的表现

为了更好地理解boxplot()和violinplot()在不同数据分布下的表现差异，我们可以创建一个包含多种分布的对比图：

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 创建不同的数据分布
np.random.seed(42)
normal = np.random.normal(0, 1, 1000)
skewed = np.random.exponential(1, 1000)
bimodal = np.concatenate([np.random.normal(-1, 0.5, 500), np.random.normal(1, 0.5, 500)])
uniform = np.random.uniform(-2, 2, 1000)

# 创建图形
fig, axes = plt.subplots(2, 4, figsize=(16, 8))

# 绘制不同分布的箱线图和小提琴图
distributions = [normal, skewed, bimodal, uniform]
titles = ['Normal', 'Skewed', 'Bimodal', 'Uniform']

for i, (data, title) in enumerate(zip(distributions, titles)):
    # 箱线图
    axes[0, i].boxplot(data)
    axes[0, i].set_title(f'{title} - Boxplot')

    # 小提琴图
    axes[1, i].violinplot(data)
    axes[1, i].set_title(f'{title} - Violinplot')

# 调整子图间距
plt.tight_layout()

# 添加总标题
fig.suptitle('Comparison of Boxplots and Violinplots - how2matplotlib.com', fontsize=16)
plt.subplots_adjust(top=0.9)

# 显示图形
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例创建了一个包含四种不同数据分布（正态分布、偏态分布、双峰分布和均匀分布）的对比图，每种分布都用箱线图和小提琴图表示。通过这个对比，我们可以清楚地看到：

  1. 对于正态分布，boxplot和violinplot都能很好地表示数据的中心趋势和离散程度，但violinplot更能展示出数据的对称性。

  2. 对于偏态分布，violinplot能更直观地展示数据的不对称性，而boxplot可能会掩盖这一特征。

  3. 对于双峰分布，violinplot能清晰地显示出两个峰值，而boxplot则无法反映这一特征。

  4. 对于均匀分布，violinplot能展示出数据在整个范围内的均匀分布特性，而boxplot只能显示出中位数和四分位数范围。

10. boxplot()和violinplot()的性能考虑

在处理大量数据或需要实时更新图表时，性能也是一个需要考虑的因素。一般来说，boxplot()的计算复杂度较低，因为它只需要计算几个简单的统计量。相比之下，violinplot()需要估计概率密度函数，计算复杂度较高。

以下是一个简单的性能对比示例：

import matplotlib.pyplot as plt
import numpy as np
import time

# 创建不同大小的数据集
sizes = [1000, 10000, 100000, 1000000]
boxplot_times = []
violinplot_times = []

for size in sizes:
    data = np.random.normal(0, 1, size)

    # 测量boxplot的时间
    start = time.time()
    plt.boxplot(data)
    boxplot_times.append(time.time() - start)
    plt.close()

    # 测量violinplot的时间
    start = time.time()
    plt.violinplot(data)
    violinplot_times.append(time.time() - start)
    plt.close()

# 绘制性能对比图
plt.figure(figsize=(10, 6))
plt.plot(sizes, boxplot_times, label='Boxplot', marker='o')
plt.plot(sizes, violinplot_times, label='Violinplot', marker='s')
plt.xscale('log')
plt.yscale('log')
plt.xlabel('Data Size')
plt.ylabel('Execution Time (seconds)')
plt.title('Performance Comparison: Boxplot vs Violinplot - how2matplotlib.com')
plt.legend()
plt.grid(True)
plt.show()

Output:

Matplotlib中violinplot()和boxplot()的区别及应用

这个示例比较了boxplot()和violinplot()在不同数据大小下的执行时间。通常，你会发现violinplot()的执行时间随数据量增加而增加得更快。

结论

boxplot()和violinplot()都是强大的数据可视化工具，各有其优势和适用场景。boxplot()简洁明了，适合快速了解数据的中心趋势和离散程度，特别适合多组数据的比较。violinplot()则能提供更丰富的分布信息，适合深入分析数据的分布特征。

在实际应用中，选择使用哪种图表取决于多个因素，包括数据特征、分析目的、目标受众等。有时候，同时使用两种图表或将它们结合使用可能是最佳选择，以便全面地展示数据特征。

无论选择哪种图表，重要的是要确保图表清晰、易懂，并能有效地传达数据中的关键信息。通过合理使用这些可视化工具，我们可以更好地理解和解释复杂的数据集，从而做出更明智的决策。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程