Plotly - Lô mật độ phân vùng và Lô thanh lỗi

Trong chương này, chúng ta sẽ hiểu chi tiết về biểu đồ phân vùng, biểu đồ mật độ và biểu đồ thanh lỗi. Chúng ta hãy bắt đầu bằng cách tìm hiểu về các bản phân phối.

Phân vùng

Nhà máy mô hình phân phối hiển thị sự kết hợp của các biểu diễn thống kê của dữ liệu số, chẳng hạn như biểu đồ, ước tính mật độ hạt nhân hoặc đường cong thông thường và biểu đồ thảm.

Bản phân phối có thể bao gồm tất cả hoặc bất kỳ sự kết hợp nào của 3 thành phần sau:

histogram
đường cong: (a) ước tính mật độ hạt nhân hoặc (b) đường cong bình thường, và
âm mưu thảm

Các figure_factory mô-đun có create_distplot() hàm cần một tham số bắt buộc được gọi là hist_data.

Đoạn mã sau tạo ra một phân vùng cơ bản bao gồm biểu đồ, biểu đồ kde và biểu đồ tấm thảm.

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

Đầu ra của đoạn mã được đề cập ở trên như sau:

Lô mật độ

Biểu đồ mật độ là một phiên bản liên tục, được làm mịn của biểu đồ được ước tính từ dữ liệu. Hình thức ước tính phổ biến nhất được gọi làkernel density estimation (KDE). Trong phương pháp này, một đường cong liên tục (nhân) được vẽ tại mọi điểm dữ liệu riêng lẻ và tất cả các đường cong này sau đó được cộng lại với nhau để tạo ra một ước tính mật độ trơn duy nhất.

Các create_2d_density() chức năng trong mô-đun plotly.figure_factory._2d_density trả về một đối tượng hình cho biểu đồ mật độ 2D.

Mã sau được sử dụng để tạo biểu đồ Mật độ 2D trên dữ liệu biểu đồ.

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)

Dưới đây được đề cập là đầu ra của mã đã cho ở trên.

Lô Thanh Lỗi

Các thanh lỗi là biểu diễn đồ họa của lỗi hoặc sự không chắc chắn trong dữ liệu và chúng hỗ trợ việc diễn giải chính xác. Đối với các mục đích khoa học, báo cáo lỗi là rất quan trọng trong việc hiểu dữ liệu đã cho.

Thanh lỗi hữu ích cho người giải quyết vấn đề vì thanh lỗi hiển thị độ tin cậy hoặc độ chính xác trong một tập hợp các phép đo hoặc giá trị được tính toán.

Chủ yếu là các thanh lỗi thể hiện phạm vi và độ lệch chuẩn của tập dữ liệu. Chúng có thể giúp hình dung cách dữ liệu được lan truyền xung quanh giá trị trung bình. Các thanh lỗi có thể được tạo trên nhiều loại ô như biểu đồ thanh, biểu đồ dòng, biểu đồ phân tán, v.v.

Các go.Scatter() chức năng có error_x và error_y thuộc tính kiểm soát cách tạo thanh lỗi.

visible (boolean) - Xác định xem tập hợp các thanh lỗi này có hiển thị hay không.

Thuộc tính loại có các giá trị có thể có "percent"|"constant"|"sqrt"|"data”. Nó thiết lập quy tắc được sử dụng để tạo ra các thanh lỗi. Nếu "phần trăm", độ dài thanh tương ứng với phần trăm dữ liệu cơ bản. Đặt phần trăm này trong `giá trị`. Nếu "sqrt", độ dài thanh tương ứng với bình phương của dữ liệu cơ bản. Nếu "dữ liệu", độ dài thanh được đặt bằng tập dữ liệu `mảng`.

symmetrictài sản có thể đúng hoặc sai. Theo đó, các thanh lỗi sẽ có cùng độ dài theo cả hai hướng hoặc không (trên / dưới đối với thanh dọc, trái / phải đối với thanh ngang.
array- Đặt dữ liệu tương ứng với độ dài của mỗi thanh lỗi. Các giá trị được vẽ biểu đồ liên quan đến dữ liệu cơ bản.
arrayminus - Đặt dữ liệu tương ứng với độ dài của mỗi thanh lỗi theo hướng dưới cùng (bên trái) cho các thanh dọc (ngang) Các giá trị được vẽ biểu đồ liên quan đến dữ liệu bên dưới.

Mã sau hiển thị các thanh lỗi đối xứng trên một biểu đồ phân tán:

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)

Dưới đây là đầu ra của mã đã nêu ở trên.

Biểu đồ lỗi không đối xứng được hiển thị bằng tập lệnh sau:

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)

Đầu ra của cùng một như được đưa ra bên dưới: