Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Het Tekenen van Vioolplots | Sectie
Statistische Visualisatie Met Seaborn

bookHet Tekenen van Vioolplots

Een violinplot is een combinatie van een boxplot en een kernel density plot (KDE).

Waar een boxplot alleen samenvattende statistieken toont (mediaan, kwartielen), laat een violinplot de volledige verdeling van de data zien. De "breedte" van de viool op elk punt geeft de dichtheid weer (hoeveel datapunten er zijn).

Belangrijke parameters

  • split=True: indien er een hue-variabele is met exact twee categorieën (bijvoorbeeld "Male"/"Female"), tekent deze parameter één categorie aan de linkerhelft van de viool en de andere aan de rechterhelft. Dit maakt vergelijken zeer eenvoudig;
  • inner: bepaalt wat er binnenin de viool wordt getekend;
  • 'box' (standaard): tekent een mini-boxplot;
  • 'point': tekent individuele datapunten;
  • 'quartile': tekent lijnen voor het 25e, 50e en 75e percentiel;
  • bw (bandbreedte): bepaalt de gladheid van de curve (zoals bij KDE). Een kleiner getal toont meer detail (en ruis); een groter getal maakt het gladder.

Voorbeeld

Hier is een violinplot die de verdeling van total_bill toont. Merk op hoe split=True het mogelijk maakt om "Smokers" en "Non-Smokers" binnen dezelfde viool te vergelijken.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a split violinplot sns.violinplot( data=df, x='day', y='total_bill', hue='smoker', split=True, # Compare sides directly inner='quartile', # Show quartile lines palette='muted' ) plt.show()
copy
Taak

Swipe to start coding

Maak een gedetailleerde visualisatie van de tips-data.

  1. Importeer de benodigde bibliotheken en lees de dataset tips.csv in.
  2. Maak een violinplot en wijs het resultaat toe aan een variabele genaamd g (dit bevat het Axes-object van de plot):
  • Koppel 'day' aan x en 'total_bill' aan y.
  • Groepeer op 'sex' met behulp van hue.
    • Gebruik het 'rocket'-palet.
  • Splits de violen om geslachten naast elkaar te vergelijken (split=True).
  • Toon individuele datapunten binnenin door inner='point' in te stellen.
    • Stel de smoothing-bandbreedte bw in op 0.2.
  1. Stel de titel van de plot in op 'Tips violinplot' met behulp van de variabele g (bijvoorbeeld g.set_title(...)).
  2. Toon de plot.

Oplossing

Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 12
single

single

Vraag AI

expand

Vraag AI

ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

close

bookHet Tekenen van Vioolplots

Veeg om het menu te tonen

Een violinplot is een combinatie van een boxplot en een kernel density plot (KDE).

Waar een boxplot alleen samenvattende statistieken toont (mediaan, kwartielen), laat een violinplot de volledige verdeling van de data zien. De "breedte" van de viool op elk punt geeft de dichtheid weer (hoeveel datapunten er zijn).

Belangrijke parameters

  • split=True: indien er een hue-variabele is met exact twee categorieën (bijvoorbeeld "Male"/"Female"), tekent deze parameter één categorie aan de linkerhelft van de viool en de andere aan de rechterhelft. Dit maakt vergelijken zeer eenvoudig;
  • inner: bepaalt wat er binnenin de viool wordt getekend;
  • 'box' (standaard): tekent een mini-boxplot;
  • 'point': tekent individuele datapunten;
  • 'quartile': tekent lijnen voor het 25e, 50e en 75e percentiel;
  • bw (bandbreedte): bepaalt de gladheid van de curve (zoals bij KDE). Een kleiner getal toont meer detail (en ruis); een groter getal maakt het gladder.

Voorbeeld

Hier is een violinplot die de verdeling van total_bill toont. Merk op hoe split=True het mogelijk maakt om "Smokers" en "Non-Smokers" binnen dezelfde viool te vergelijken.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a split violinplot sns.violinplot( data=df, x='day', y='total_bill', hue='smoker', split=True, # Compare sides directly inner='quartile', # Show quartile lines palette='muted' ) plt.show()
copy
Taak

Swipe to start coding

Maak een gedetailleerde visualisatie van de tips-data.

  1. Importeer de benodigde bibliotheken en lees de dataset tips.csv in.
  2. Maak een violinplot en wijs het resultaat toe aan een variabele genaamd g (dit bevat het Axes-object van de plot):
  • Koppel 'day' aan x en 'total_bill' aan y.
  • Groepeer op 'sex' met behulp van hue.
    • Gebruik het 'rocket'-palet.
  • Splits de violen om geslachten naast elkaar te vergelijken (split=True).
  • Toon individuele datapunten binnenin door inner='point' in te stellen.
    • Stel de smoothing-bandbreedte bw in op 0.2.
  1. Stel de titel van de plot in op 'Tips violinplot' met behulp van de variabele g (bijvoorbeeld g.set_title(...)).
  2. Toon de plot.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 12
single

single

some-alt