本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization函数语法：
plt.violinplot(dataset, positions=None, *, vert=None,orientation='vertical', widths=0.5,showmeans=False, showextrema=True,showmedians=False, quantiles=None,points=100, bw_method=None, side='both',data=None)
-
dataset：必需参数，需要绘制的数据序列，格式为列表 / 数组，每个元素是一组数据。 -
positions：设置小提琴图的 x 轴位置（如positions=[1,3,5]，让图间隔更宽）； -
vert、orientation：两者作用类似，控制小提琴图的方向。vert=True（默认）或 orientation=’vertical’表示垂直方向显示（ violin 竖放）。vert=False 或 orientation=’horizontal’表示水平方向显示（ violin 横放）； -
widths：控制小提琴图的宽度，默认 0.7。可以是单个数值（所有小提琴宽度相同），或列表（为每组数据指定不同宽度）； -
showmeans：是否显示均值（布尔值，默认 False），显示后用短线标记； -
showextrema：是否显示极值（布尔值，默认 True），显示后用短线标记； -
showmedians：是否显示中位数（布尔值，默认 False），显示后用短线标记； -
quantiles：用于显示分位数（默认 None），需传入列表或数组指定分位数值（如 [0.25, 0.75] 显示四分位数）。显示后会在小提琴图中以水平线标记指定分位数；
-
points：计算核密度估计时的采样点数（默认值为 100）。数值越大，小提琴轮廓越平滑，但计算量也越大；
-
bw_method：用于计算核密度估计的带宽（控制曲线平滑程度），默认值为 None（自动计算）。可选值可以是数值（直接指定带宽，如 0.5）。字符串（使用经典带宽估计方法，如 ‘scott’ 或 ‘silverman’）；
-
side：控制小提琴图的显示方向。可选值：‘left’（仅显示左侧）、‘right’（仅显示右侧）、‘both’（双侧对称，默认值）。3.9版本新增参数；
-
data：用于数据映射的对象。
通过调整这些参数，可以灵活控制小提琴图的视觉效果。
# 生成模拟数据（3组不同分布的数据）
np.random.seed(42)
data = [
np.random.normal(loc=0, scale=1, size=1000), # 正态分布（均值0，标准差1）
np.random.lognormal(mean=0, sigma=0.5, size=1000), # 对数正态分布
np.random.exponential(scale=2, size=1000) # 指数分布（scale=1/λ）
]
plt.figure(figsize=(10, 6), dpi=100)
# 绘制基础小提琴图
violin_parts = plt.violinplot(
data, # 输入数据（3组数据的列表）
positions=[1, 2, 3], # 指定小提琴图在x轴上的位置（分别对应1、2、3坐标）
vert=True, # 垂直方向显示小提琴图
widths=0.8, # 小提琴图的宽度
showmeans=False, # 不显示均值标记
showextrema=True, # 显示极值（最大值和最小值，以短线标记）
showmedians=False, # 不显示中位数
# 为每组数据指定显示的分位数（第一组：25%和75%分位；第二组：10%和90%分位；第三组：20%和80%分位）
quantiles=[[0.25, 0.75], [0.1, 0.9], [0.2, 0.8]],
points=200, # 核密度估计的采样点数
bw_method='scott', # 带宽计算方法（'scott'为经典方法，控制曲线平滑程度）
)
plt.xlabel('数据组别', fontsize=12)
plt.ylabel('数值分布', fontsize=12)
plt.title('基础小提琴图示例', fontsize=14, pad=20)
# 设置x轴刻度标签（默认是1、2、3，替换为更易理解的名称）
plt.xticks(ticks=[1, 2, 3], labels=['正态分布', '对数正态分布', '指数分布'])
plt.grid(axis='y', alpha=0.3, linestyle='--')
plt.show()
可视化结果如下图所示：
使用示例：
-
示例 1：对比箱线图与小提琴图
-
对称的核密度曲线，展示数据在各个数值区间的概率密度（曲线越宽，该区间数据越多）； -
中间线条类似箱线图的统计标记，通常包含中位数（白色点）、四分位数（黑色短线）； -
整体形态像一把 “小提琴”，直观反映数据的分布特征（如是否对称、是否有多个峰值）。
import seaborn as sns
# 使用 Seaborn 加载示例数据
tips = sns.load_dataset("tips")
# 创建子图
fig, axes = plt.subplots(1, 2, figsize=(12, 5))
# 箱线图
axes[0].boxplot([tips[tips['sex'] == 'Male']['total_bill'],
tips[tips['sex'] == 'Female']['total_bill']],
labels=['Male', 'Female'])
axes[0].set_title('Box Plot')
# 小提琴图
axes[1].violinplot([tips[tips['sex'] == 'Male']['total_bill'],
tips[tips['sex'] == 'Female']['total_bill']],
positions=[1, 2])
axes[1].set_xticks([1, 2])
axes[1].set_xticklabels(['Male', 'Female'])
axes[1].set_title('Violin Plot')
plt.tight_layout()
plt.show()
-
示例2：通过返回值自定义样式
violinplot() 函数会返回一个字典，其中包含了构成小提琴图的各种图形元素。字典包含以下键：
-
bodies：包含每个小提琴填充区域的 PolyCollection（多边形集合）实例列表。 -
cmeans：标记每个小提琴分布均值的 LineCollection（线条集合）实例。 -
cmins：标记每个小提琴分布最小值（底部）的 LineCollection 实例。 -
cmaxes：标记每个小提琴分布最大值（顶部）的 LineCollection 实例。 -
cbars：标记每个小提琴分布中心位置的 LineCollection 实例。 -
cmedians：标记每个小提琴分布中位数的 LineCollection 实例。 -
cquantiles：为识别每个小提琴分布分位数而创建的 LineCollection 实例。
后续可以利用这些返回对象来修改小提琴图的样式。
import pandas as pd
# 生成模拟数据：模拟电商平台不同品类商品的用户评分（1-5分）
np.random.seed(42)
df = pd.DataFrame({
'电子产品': np.random.normal(loc=3.8, scale=0.6, size=1000).clip(1, 5), # 均值3.8，限制1-5分
'服装': np.random.normal(loc=4.2, scale=0.4, size=1000).clip(1, 5), # 均值4.2，更集中
'食品': np.random.normal(loc=3.5, scale=0.8, size=1000).clip(1, 5) # 均值3.5，更分散
})
data = [df['电子产品'], df['服装'], df['食品']]
plt.figure(figsize=(10, 6), dpi=100)
# 绘制横向小提琴图，返回包含图表各组件的字典
violin_parts = plt.violinplot(
data,
vert=False, # 横向显示
showmeans=True,
showmedians=True,
showextrema=True,
positions=[1, 2, 3],
widths=0.6
)
# =============美化设置：自定义小提琴图的视觉样式====================
# 设置每个小提琴的填充色与边框样式
colors = ['#FFB6C1', '#FFD700', '#FFA07A'] # 浅粉、金色、浅橙
# 遍历每个小提琴的填充区域（bodies为PolyCollection实例列表）
for i, pc in enumerate(violin_parts['bodies']):
pc.set_facecolor(colors[i])
pc.set_alpha(0.8)
pc.set_edgecolor('darkred')
pc.set_linewidth(0.8)
# 自定义均值线、中位数线、极值线的样式
violin_parts['cmeans'].set_color('blue') # 设置均值线颜色
violin_parts['cmeans'].set_linewidth(4) # 设置均值线宽度
violin_parts['cmedians'].set_color('yellow') # 设置中位数线颜色
violin_parts['cmedians'].set_linewidth(2) # 设置中位数线宽度
violin_parts['cbars'].set_color('red') # 设置中线（分布中心）颜色
violin_parts['cmins'].set_color('purple') # 设置最小值线颜色
violin_parts['cmaxes'].set_color('blue') # 设置最大值线颜色
# 添加中位数数值标签
medians = [np.median(group) for group in data]
for i, median in enumerate(medians):
plt.text(
median + 0.05, # 文字x坐标（中位数右侧0.05）
i + 1.1, # 文字y坐标（对应品类位置）
f'中位数: {median:.2f}', # 文字内容（保留2位小数）
fontsize=10,
color='black',
va='center'# 垂直居中对齐
)
# 添加结论标注
plt.annotate(
'服装品类评分最高n且分布最集中', # 标注内容
xy=(4.2, 2), # 箭头指向的位置（服装品类的均值附近）
xytext=(4.5, 1.5), # 文字位置
arrowprops=dict(arrowstyle='->', color='red', lw=2), # 箭头样式
fontsize=11,
color='red',
fontweight='bold',
bbox=dict(boxstyle='round,pad=0.5', facecolor='yellow', alpha=0.5) # 文字背景框
)
plt.ylabel('商品品类', fontsize=12, fontweight='bold')
plt.xlabel('用户评分（1-5分）', fontsize=12, fontweight='bold')
plt.title('电商平台不同品类商品用户评分分布对比', fontsize=14, fontweight='bold', pad=20)
plt.yticks(ticks=[1, 2, 3], labels=['电子产品', '服装', '食品'], fontsize=11)
plt.xlim(0.5, 5.5) # 调整x轴范围，避免标注被截断
plt.grid(axis='x', alpha=0.2, linestyle='-')
plt.show()
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
