箱型图与小提琴图

在对数据进行比较的时候，我们通常会使用直方图、饼图、折线图来对数据差异进行可视化；如果我们使用箱型图Box Plot，则可以以一种相对稳定的方式描述数据的离散分布情况；

下面是箱型图的直观表示：

对于小提琴图Violin Plot，一般来说，小提琴图是一种绘制连续型数据的方法，在小提琴图中，我们可以获取与箱形图中相同的信息：

• 中位数（小提琴图上的一个白点)
• 四分位数范围（小提琴中心的黑色条）等；

与箱形图相比，小提琴图毫无疑问的优势在于：除了显示上述的统计数据外，它还显示了数据的整体分布；

下面我们用Python绘制一个实例进行对比；

导入相关工具：

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

定义随机观察值的数量，并设置随机种子：

N=10**4
np.random.seed(42)

可视化的函数：

def plot_comparison(x, title):
    fig, ax = plt.subplots(3, 1, sharex=True)
    # 直方图
    sns.distplot(x, ax=ax[0])
    ax[0].set_title('Histogram + KDE')
    # 箱型图
    sns.boxplot(x, ax=ax[1])
    ax[1].set_title('Boxplot')
    # 小提琴图
    sns.violinplot(x, ax=ax[2])
    ax[2].set_title('Violin plot')
    
    fig.suptitle(title, fontsize=16)
    plt.show()

从标注正态分布采样N个数，绘制结果：

sample_gaussian = np.random.normal(size=N)
plot_comparison(sample_gaussian, 'Standard Normal Distribution')