如何更好地适应 seaborn 小提琴情节？

Posted 2023-03-12

【中文标题】如何更好地适应 seaborn 小提琴情节？

【英文标题】：How to better fit seaborn violinplots?

【发布时间】：2015-03-22 19:55:57

【问题描述】：

下面的代码给了我一个非常漂亮的小提琴图（和里面的箱线图）。

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

foo = np.random.rand(100)
sns.violinplot(foo)
plt.boxplot(foo)
plt.show()

到目前为止一切顺利。但是，当我查看foo 时，该变量不包含任何负值。 seaborn 情节在这里似乎具有误导性。正常的 matplotlib 箱线图给出的结果更接近我的预期。

如何制作更合适的小提琴图（不显示假负值）？

【问题讨论】：

嗯，这可能并不容易。这是 KDE 的人工制品，它不知道 0 处有硬边界。如果您对此问题感兴趣，另请参阅：stats.stackexchange.com/questions/65866/…

@cel 谢谢。这就是我的想法。但是就不能更紧一点吗？

有算法。在这个答案中看到令人印象深刻的结果：stats.stackexchange.com/a/71291。但是我还没有在python中看到它。

【参考方案1】：

正如 cmets 所指出的，这是基于高斯 KDE 的假设的结果（我不确定我是否会称其为“人工制品”）。正如已经提到的，这在某种程度上是不可避免的，如果您的数据不符合这些假设，您最好只使用箱线图，它只显示实际数据中存在的点。

但是，在您的回复中，您询问它是否可以“更紧”，这可能意味着一些事情。

一个答案可能是改变平滑内核的带宽。您可以使用 bw 参数来做到这一点，这实际上是一个比例因子；将使用的带宽是bw * data.std():

data = np.random.rand(100)
sns.violinplot(y=data, bw=.1)

另一个答案可能是在数据点的极端处截断小提琴。 KDE 仍将适合超出数据边界的密度，但不会显示尾部。您可以使用cut 参数来执行此操作，该参数指定应绘制密度超过极值的带宽单位数。要截断，请将其设置为 0：

sns.violinplot(y=data, cut=0)

顺便说一句，violinplot 的 API 在 0.6 中是 going to change，我在这里使用的是开发版本，但 bw 和 cut 参数都存在于当前发布的版本中并且表现得更多或更少相同的方式。

【讨论】：

我不喜欢使用cut 的解决方案。它隐藏了KDE 无法正确适应这种密度的事实。接近边界 0 的密度具有误导性，因为即使相应的直方图的最大值为 0，您也会得到这样的密度估计。

在github.com/mwaskom/seaborn/issues/525 上查看功能请求（等待 statsmodels 的上游更改）。

+1 很好的解决方案。这是一个快速而干净的解决方案。很明显，极端削减将表明 kde 和底层密度之间存在一些极端差异。