如何使用matplotlib绘制多个内核密度估计值？

Question

我想绘制matplotlib中的几个“填充”内核密度估计值（KDE），如垂直violinplot的上半部分或Joy Division未知乐趣的封面艺术的非重叠版本。

理想情况下，我希望matplotlib自己创建密度估计值，这样我就不必自己使用scipy's gaussian kde了。

Answer 1

This answer显示如何修改Matplotlib's violinplots。 这些小提琴图也可以适应只显示小提琴情节的上半部分。

pos = np.arange(1, 6)/2.0 
data = [np.random.normal(0, std, size=1000) for std in pos] 

violins = plt.violinplot(data, positions=pos, showextrema=False, vert=False) 

for body in violins['bodies']: 
    paths = body.get_paths()[0] 
    mean = np.mean(paths.vertices[:, 1]) 
    paths.vertices[:, 1][paths.vertices[:, 1] <= mean] = mean 

一个好看的重叠变体可以通过该机构的透明度设置为0，添加edgecolor并确保绘制第一底层KDEs轻松创建：

pos = np.arange(1, 6)/2 
data = [np.random.normal(0, std, size=1000) for std in pos] 

violins = plt.violinplot(
    data[::-1], 
    positions=pos[::-1]/5, 
    showextrema=False, 
    vert=False, 

) 

for body in violins['bodies']: 
    paths = body.get_paths()[0] 
    mean = np.mean(paths.vertices[:, 1]) 
    paths.vertices[:, 1][paths.vertices[:, 1] <= mean] = mean   
    body.set_edgecolor('black') 
    body.set_alpha(1) 

Answer 2

请注意，有一个名为joypy的现有程序包，建立在matplotlib之上从数据框中轻松制作出这样的“欢乐情节”。

除此之外，没有理由不使用scipy.stats.gaussian_kde，因为它直接提供KDE。 violinplot内部也使用它。

所以有问题的情节看起来像

from scipy.stats import gaussian_kde 
import matplotlib.pyplot as plt 
import numpy as np 

pos = np.arange(1, 6)/2.0 
data = [np.random.normal(0, std, size=1000) for std in pos] 

def plot_kde(data, y0, height, ax=None, color="C0"): 
    if not ax: ax = plt.gca() 
    x = np.linspace(data.min(), data.max()) 
    y = gaussian_kde(data)(x) 
    ax.plot(x,y0+y/y.max()*height, color=color) 
    ax.fill_between(x, y0+y/y.max()*height,y0, color=color, alpha=0.5) 

for i, d in enumerate(data): 
    plot_kde(d, i, 0.8, ax=None) 

plt.show()