Python使用Matplotlib和Seaborn绘制钻石数据的小提琴图与箱线图

鉴于此前关于使用Python为伴侣挑选钻石的文章受到广泛欢迎，本文作为后续内容继续展开讨论。

若读者已阅读过前作，可直接跳至箱线图部分开始阅读。

Seaborn作为Matplotlib的扩展库，提供了多种美观的图形界面，并集成了多个在线数据集。通过调用sns.load_dataset()即可获取数据供学习使用；若网络环境不稳定，可将数据集下载至本地，并在调用时将cache参数设置为True以启用本地缓存。

在diamonds数据集中包含了钻石的相关信息，共计十项指标，具体包括：重量（克拉）carat、切割质量cut、颜色color、净度clarity、深度depth、台面table、价格price，以及x、y、z三个方向的尺寸x、y、z。

绘图的第一步是导入必要的库并加载数据。

import seaborn as sns
import matplotlib.pyplot as plt
# 本地加载数据集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上几行代码后面不再重复书写

箱线图

为了探究Premium、Fair、Very Good、Good和Ideal这五种切割等级所对应的价格区间，最直观的方法是绘制箱线图，其形态类似于金融领域的K线图。

图中的箱体和须线展示了五个关键统计量：最小非异常值、第一四分位数（25%）、中位数、第三四分位数（75%）以及最大非异常值。箱体上方的散点代表异常值，数据显示价格超过1.5万美元的钻石属于极端异常值。

>>> sns.boxplot(x="cut",y="price",data=dia,color='lightblue',fliersize=0.25)
>>> plt.show()

其中，fliersize参数用于控制异常值点的大小。

增强箱线图

虽然标准箱线图能描述基本分布，但仅包含五个统计量，信息量仍显不足。

Seaborn提供了增强版的箱线图功能：boxenplot。

该图表对价格区间进行了细分，箱体的宽度反映了该区间内样本数量的多少，箱体越宽代表样本越密集。

sns.boxenplot(x="cut",y="price",data=dia,
    palette="ch:rot=-.5,d=.3_r")
plt.show()

小提琴图

若需更细致地观察数据分布形态，可以使用小提琴图。

sns.violinplot(x="cut",y="price",data=dia)
sns.despine(left=True)

从图中可见，切割等级为Ideal（最好）的钻石，其价格主要集中在1000美元左右，虽然这一现象看似反常，但确实反映了数据的真实分布情况。

以上即为利用Python、Matplotlib及Seaborn绘制钻石数据的小提琴图和箱线图的完整内容，更多相关可视化技巧请参阅本站其他文章。