Plotly – Distplots 密度图和误差条图

在本章中，我们将详细了解 distplots、密度图和误差条图。让我们从学习 distplots 开始。

分布图

distplot 图工厂显示数值数据的统计表示的组合，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

所述figure_factory模块具有create_distplot（）函数，其需要称为hist_data强制参数。

以下代码创建了一个基本的 distplot，由直方图、kde 图和 rug 图组成。

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 –

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)。在这种方法中，在每个单独的数据点绘制一条连续曲线（内核），然后将所有这些曲线加在一起以进行单个平滑的密度估计。

模块plotly.figure_factory._2d_density 中的create_2d_density()函数返回一个用于 2D 密度图的图形对象。

以下代码用于在直方图数据上生成二维密度图。

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。

误差条图

误差条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，错误报告对于理解给定数据至关重要。

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。

大多数误差线代表数据集的范围和标准偏差。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、折线图、散点图等。

所述go.Scatter（）函数具有error_x和error_y性质控制如何误差棒被生成。

• 可见（布尔值） – 确定这组误差线是否可见。

类型属性有可能的值“百分比”| “常数” | ” sqrt ” | “ data ”。它设置用于生成误差线的规则。如果是“百分比”，则柱线长度对应于基础数据的百分比。在 `value` 中设置此百分比。如果是“sqrt”，则柱线长度对应于基础数据的平方。如果是“data”，条形长度用数据集`array`设置。

• 对称属性可以为真或为假。因此，误差线在两个方向上的长度或不相同（垂直条的顶部/底部，水平条的左/右。

• 数组– 设置与每个误差条长度相对应的数据。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相对于基础数据绘制的值。

以下代码在散点图上显示对称误差条 –

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。

通过以下脚本呈现非对称误差图 –

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 –