山脊线图(Ridgeline Plots)：一个被低估的数据可视化瑰宝

欢迎大家来到IT世界,在知识的湖畔探索吧!

了解变量中不同群体的分布差异在以下场景非常有用：

• 行为差异
• 特征工程
• 预测建模等等

欢迎大家来到IT世界,在知识的湖畔探索吧!

在这种场景下，许多数据科学家更倾向于在单轴上创建组级分布图（直方图或密度图）。但是，当群体较多时，简单的组级分布图可能会变得混乱且难以解读。

笔者在这里为大家介绍一种紧凑而优雅的数据可视化工具——山脊线图，它能够以一种清晰的方式展示不同变量或变量类别的分布差异。通过山脊线图，我们可以更好地理解数据中的群体特征，从而获得更深入的洞察和启发。

如上图所示，山脊线图不仅可以展示每个组的分布形状和峰值，还能够直观地展示不同组之间的差异。通过将多个组的分布放置在同一张图上，并使用不同的颜色或线型进行标识，我们可以轻松比较它们之间的相似性和差异性。

如下图是山脊线图的另一个经典示例。它描述了 2023 年发生的各种事件的搜索兴趣。

何时考虑山脊线图？

通常，当变量的组数超过3~4时，创建山脊线图才有意义。这是为了避免在单个图中可视化它们时可能出现的重叠。

此外，当组之间绘制的连续变量有清晰的模式和/或排名时，山脊线图相对更有用，例如：

• 单调递增
• 单调递减
• 先递增再递减（等等）
• 先递减再递增（等等）

可视化示例

安装joypy

pip install joypy

欢迎大家来到IT世界,在知识的湖畔探索吧!

导入库

导入一些常用的数据分析和可视化库以及日期和时间相关的模块、导入joypy库中的joyplot函数，用于创建山脊线图。

CategoricalDtype函数则是用来指定分类数据类型。

欢迎大家来到IT世界,在知识的湖畔探索吧!#数据分析和可视化库 import pandas as pd import numpy as np import matplotlib.pyplot as plt import warnings #日期和时间相关模块 from datetime import date, timedelta #导入joypy库中的joyplot函数，用于创建山脊线图 from joypy import joyplot from pandas.api.types import CategoricalDtype warnings.filterwarnings("ignore")

数据预处理及可视化

这里以一年中每个月份内最低温度和最高温度的分布情况为例，使用joypy库的joyplot函数绘制山脊线图。

# 定义每个月的平均温度和标准差 max_temps = [20.5, 24.6, 30.4, 36.9, 40.9, 39, 35.8, 34.5, 34.3, 33.1, 28.3, 23] min_temps = [7.6, 10.8, 15.7, 21.3, 25.6, 27.6, 27.3, 26.6, 24.9, 19.3, 12.9, 8.3, 19] std_devs = [1, 2, 3] months = ['一月', '二月', '三月', '四月', '五月', '六月', '七月', '八月', '九月', '十月', '十一月', '十二月'] # 初始化一个空的数据框 df = pd.DataFrame(columns=['Day', 'Month', 'min_temp', 'max_temp']) # 生成每天的温度数据 start_date = date(2023, 1, 1) end_date = date(2023, 12, 31) current_date = start_date while current_date <= end_date: month = current_date.month - 1 # 调整为从0开始的索引 max_temp = np.random.normal(max_temps[month], std_devs[np.random.randint(0, 3)]) min_temp = np.random.normal(min_temps[month], std_devs[np.random.randint(0, 3)]) # 将数据添加到数据框中 df = df.append({ 'Day': current_date.day, 'Month': months[int(current_date.month)-1], 'min_temp': min_temp, 'max_temp': max_temp }, ignore_index=True) # 移动到下一天 current_date += timedelta(days=1) df['Month'] = df['Month'].astype(CategoricalDtype(months)) df.head() plt.figure() ax, fig = joyplot( data=df[['min_temp', 'max_temp', 'Month']], by='Month', column=['min_temp', 'max_temp'], color=['g', 'r'], # 设置不同的颜色 legend=True, alpha=0.7, figsize=(12, 8), ) plt.title('最低温度和最高温度分布', fontsize=20) plt.xlabel('温度 (°C)') plt.ylabel('密度') plt.grid(axis='x', linestyle='--', linewidth=0.5, alpha=0.7) plt.show()