Plotly: gráfico de boxeo, gráfico de violÃn y gráfico de contorno
AREAtutorial » Big Data & Analitycs » Plotly: gráfico de boxeo, gráfico de violÃn y gráfico de contorno
Este capÃtulo se centra en una comprensión detallada de varias tramas, incluida la trama de caja, la trama de violÃn, la trama de contorno y la trama de carcaj. Comenzaremos con el siguiente diagrama de caja.
Un diagrama de caja muestra un resumen del conjunto de datos que contiene el mÃnimo primer cuartil, mediana, tercer cuartil, y máximo… En un diagrama de caja, dibujamos un rectángulo desde el primer cuartil hasta el tercer cuartil. La lÃnea vertical atraviesa el cuadro en la mediana. Las lÃneas que corren verticalmente desde rectángulos que indican variabilidad fuera de los cuartiles superior e inferior se denominan bigotes. Por lo tanto, el diagrama de caja también se conoce como rectangular y sección de bigote… Los bigotes van de cada cuartil al mÃnimo o al máximo.
Para dibujar un gráfico rectangular, tenemos que usar go.Box () función. Las series de datos se pueden asignar al parámetro xoy. En consecuencia, el diagrama de caja se dibujará horizontal o verticalmente. El siguiente ejemplo convierte las cifras de ventas de una empresa especÃfica en sus diversas sucursales en un gráfico rectangular horizontal. Muestra la mediana de los valores mÃnimo y máximo.
trace1 = go.Box(y = [1140,1460,489,594,502,508,370,200]) data = [trace1] fig = go.Figure(data) iplot(fig)
El mismo resultado será el siguiente:
EN go.Box () La función se puede configurar con varios otros parámetros para controlar la apariencia y el comportamiento del gráfico rectangular. Uno de estos parámetros es el parámetro boxmean.
EN caja De forma predeterminada, el parámetro se establece en verdadero. Como resultado, la media de la distribución subyacente de los rectángulos se muestra como una lÃnea discontinua dentro de los rectángulos. Si se establece en sd, también se muestra la desviación estándar de la distribución.
EN cajas el valor predeterminado es «emisiones«. Solo se muestran los puntos de muestra fuera de los bigotes. Si se sospecha de valores atÃpicos, se muestran los valores atÃpicos y los puntos son menores que 4» Q1-3 «Q3 o mayores que 4» Q3-3 «Q1 resaltado. Si es falso, solo rectángulos con no se muestran puntos de muestreo.
En el siguiente ejemplo sendero de caja trazada con desviación estándar y puntos atÃpicos.
trc = go.Box(
y = [
0.75, 5.25, 5.5, 6, 6.2, 6.6, 6.80, 7.0, 7.2, 7.5, 7.5, 7.75, 8.15,
8.15, 8.65, 8.93, 9.2, 9.5, 10, 10.25, 11.5, 12, 16, 20.90, 22.3, 23.25
],
boxpoints="suspectedoutliers", boxmean = 'sd'
)
data = [trc]
fig = go.Figure(data)
iplot(fig)
El resultado de lo mismo se enumera a continuación:
Los diagramas de violÃn son similares a los diagramas de caja, excepto que también muestran la densidad de probabilidad de los datos en diferentes valores. Las gráficas de violÃn incluirán un marcador para la mediana de los datos y un rectángulo que indica el rango intercuartÃlico, como en las gráficas rectangulares estándar. Superpuesta a esta gráfica rectangular está la estimación de la densidad del grano. Al igual que los diagramas de caja, los diagramas de violÃn se utilizan para representar la comparación de la distribución de variables (o distribuciones de muestras) entre diferentes «categorÃas».
Un diagrama de violÃn es más informativo que un diagrama de caja simple. De hecho, mientras que el gráfico rectangular solo muestra estadÃsticas de resumen como media / mediana y rango intercuartÃlico, el gráfico de violÃn muestra difusión completa de datos…
Vuelve el objeto de rastro de violÃn ir.ViolÃn () funcionar en Graph_objects módulo. Para mostrar el diagrama de caja subyacente, boxplot_visible el atributo se establece en Verdadero. Del mismo modo, al establecer meanline_visible cierto, se muestra una lÃnea dentro de los violines correspondiente a la media de la muestra.
El siguiente ejemplo muestra cómo se muestra la trama de un violÃn usando funciones de trama.
import numpy as np np.random.seed(10) c1 = np.random.normal(100, 10, 200) c2 = np.random.normal(80, 30, 200) trace1 = go.Violin(y = c1, meanline_visible = True) trace2 = go.Violin(y = c2, box_visible = True) data = [trace1, trace2] fig = go.Figure(data = data) iplot(fig)
El resultado se ve asÃ:
El gráfico de contorno 2D muestra las lÃneas de contorno de una matriz z numérica 2D, es decir, lÃneas interpoladas isvalues de d. La lÃnea de contorno de una función de dos variables es una curva a lo largo de la cual la función tiene un valor constante, de modo que la curva conecta puntos de igual valor.
Un gráfico de contorno es adecuado si desea ver cómo cambia algún valor Z dependiendo de dos entradas, X y Y tal que Z = f (X, Y)… Una lÃnea de contorno o isolÃnea de una función de dos variables es una curva a lo largo de la cual la función tiene un valor constante.
Las variables independientes xey generalmente están restringidas a una cuadrÃcula regular llamada cuadrÃcula. Numpy.meshgrid crea una cuadrÃcula rectangular a partir de una matriz de valores xy una matriz de valores y.
Primero creemos los valores de datos para x, y y z usando linspace () función de la biblioteca Numpy. Nosotros creamos cuadrÃcula a partir de los valores xey y obtener la matriz z que consta de la raÃz cuadrada de x2 + y2
Tenemos ir.Contour () funcionar en Graph_objects el módulo que acepta x,y y z atributos. El siguiente fragmento de código muestra un gráfico de contorno de x, y y z los valores se calculan como se indica arriba.
import numpy as np xlist = np.linspace(-3.0, 3.0, 100) ylist = np.linspace(-3.0, 3.0, 100) X, Y = np.meshgrid(xlist, ylist) Z = np.sqrt(X**2 + Y**2) trace = go.Contour(x = xlist, y = ylist, z = Z) data = [trace] fig = go.Figure(data) iplot(fig)
El resultado se ve asÃ:
Un gráfico de contorno se puede configurar con una o más de las siguientes opciones:
Transponer (booleano) – Transponer datos z.
Si un xtype (o ytipo) es igual a «matriz», las coordenadas x / y se dan como «x» / «y». Si está «escalado», las coordenadas x se dan como «x0» y «dx«.
EN conectar brechas El parámetro determina si se llenan los huecos en los datos z.
Valor por defecto ncontours el parámetro es 15. El número real de contornos se seleccionará automáticamente menor o igual que el valor de «ncontours». Tiene efecto solo si el autocontour se establece en True.
Tipo de esquema predeterminado: «niveles«por lo tanto, los datos se presentan como un gráfico de contorno con varios niveles mostrados. Si aguantar, los datos se presentan como restricciones con un área no válida sombreada como se indica operación y agradecer opciones.
showline – Determina si se trazan curvas de nivel.
zauto es un Cierto el valor predeterminado y determina si el dominio de color se calcula en relación con la entrada (aquà en `z`) o los lÃmites establecidos en`zmin`y`zmax`Por defecto`Mintiendo`cuando` zmin` y` zmax` son establecidos por el usuario.
La conspiración del carcaj también se conoce como gráfico de velocidad… Muestra los vectores de velocidad como flechas con componentes (u, v) en los puntos (x, y). Para dibujar la trama del Carcaj, usaremos create_quiver () función definida en figure_factory módulo en Plotly.
La API de Python Plotly contiene un módulo de fábrica de formas que incluye muchas envolturas que crean tipos de gráficos únicos que aún no están incluidos en plotly.jsUna biblioteca de trazado de código abierto de Plotly.
La función create_quiver () toma los siguientes parámetros:
X – coordenadas x de la ubicación de las flechas
y – las coordenadas y de la ubicación de las flechas
usted – x componentes de los vectores de flecha
v son las componentes y de los vectores flecha
escala Рescala el tama̱o de las flechas
arrow_scale es la longitud de la punta de flecha.
ángulo – el ángulo de inclinación de la pluma.
El siguiente código muestra un diagrama de carcaj simple en un cuaderno de Jupyter:
import plotly.figure_factory as ff import numpy as np x,y = np.meshgrid(np.arange(-2, 2, .2), np.arange(-2, 2, .25)) z = x*np.exp(-x**2 - y**2) v, u = np.gradient(z, .2, .2) # Create quiver figure fig = ff.create_quiver(x, y, u, v, scale = .25, arrow_scale = .4, name="quiver", line = dict(width = 1)) iplot(fig)
La salida del código es la siguiente:
🚫