Plotly - Plot Densitas Distplots dan Plot Error Bar

Pada bab ini, kita akan membahas tentang distplot, plot kerapatan, dan plot batang kesalahan secara detail. Mari kita mulai dengan mempelajari distplots.

Distplots

Pabrik gambar distplot menampilkan kombinasi representasi statistik dari data numerik, seperti histogram, estimasi kepadatan kernel atau kurva normal, dan plot permadani.

Distplot dapat terdiri dari semua atau kombinasi apa pun dari 3 komponen berikut -

histogram
kurva: (a) estimasi kepadatan kernel atau (b) kurva normal, dan
plot permadani

Itu figure_factory modul memiliki create_distplot() fungsi yang membutuhkan parameter wajib yang disebut hist_data.

Kode berikut membuat distplot dasar yang terdiri dari histogram, plot KDE, dan plot permadani.

x = np.random.randn(1000)
hist_data = [x]
group_labels = ['distplot']
fig = ff.create_distplot(hist_data, group_labels)
iplot(fig)

Output dari kode yang disebutkan di atas adalah sebagai berikut -

Density Plot

Plot kepadatan adalah versi histogram yang dihaluskan dan berkelanjutan yang diperkirakan dari data. Bentuk estimasi yang paling umum dikenal sebagaikernel density estimation (KDE). Dalam metode ini, kurva kontinu (kernel) digambar di setiap titik data individu dan semua kurva ini kemudian ditambahkan bersama untuk membuat estimasi kepadatan halus tunggal.

Itu create_2d_density() berfungsi dalam modul plotly.figure_factory._2d_density mengembalikan objek gambar untuk plot kepadatan 2D.

Kode berikut digunakan untuk menghasilkan plot 2D Density atas data histogram.

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)

Di bawah ini disebutkan adalah output dari kode yang diberikan di atas.

Error Bar Plot

Batang kesalahan adalah representasi grafis dari kesalahan atau ketidakpastian dalam data, dan membantu interpretasi yang benar. Untuk tujuan ilmiah, pelaporan kesalahan sangat penting dalam memahami data yang diberikan.

Batang kesalahan berguna untuk pemecah masalah karena bilah kesalahan menunjukkan kepercayaan atau presisi dalam serangkaian pengukuran atau nilai yang dihitung.

Sebagian besar bilah kesalahan mewakili rentang dan deviasi standar dari kumpulan data. Mereka dapat membantu memvisualisasikan bagaimana data disebarkan di sekitar nilai rata-rata. Error bar dapat dibuat di berbagai plot seperti diagram batang, plot garis, plot sebar, dll.

Itu go.Scatter() fungsi memiliki error_x dan error_y properti yang mengontrol bagaimana bilah kesalahan dibuat.

visible (boolean) - Menentukan apakah kumpulan bilah kesalahan ini terlihat atau tidak.

Properti jenis memiliki kemungkinan nilai "percent"|"constant"|"sqrt"|"data". Ini menetapkan aturan yang digunakan untuk menghasilkan bilah kesalahan. Jika "persen", panjang batang sesuai dengan persentase data yang mendasarinya. Tetapkan persentase ini dalam `nilai`. Jika "akar persegi", panjang batang sesuai dengan kuadrat dari data yang mendasarinya. Jika "data", panjang bilah disetel dengan kumpulan data `larik`.

symmetricproperti bisa benar atau salah. Karenanya, bilah kesalahan akan memiliki panjang yang sama di kedua arah atau tidak (atas / bawah untuk bilah vertikal, kiri / kanan untuk bilah horizontal.
array- mengatur data yang sesuai dengan panjang setiap bilah kesalahan. Nilai diplot relatif terhadap data yang mendasarinya.
arrayminus - Menyetel data yang sesuai dengan panjang setiap bilah kesalahan di arah bawah (kiri) untuk batang vertikal (horizontal) Nilai diplot relatif terhadap data pokok.

Kode berikut menampilkan bilah kesalahan simetris pada plot pencar -

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)

Diberikan di bawah ini adalah output dari kode yang disebutkan di atas.

Plot kesalahan asimetris ditampilkan dengan skrip berikut -

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)

Outputnya sama seperti yang diberikan di bawah ini -