如何使用 matplotlib 绘制几个内核密度估计？答案

【问题标题】：How to plot several kernel density estimates using matplotlib?如何使用 matplotlib 绘制几个内核密度估计？
【发布时间】：2017-10-09 13:03:38
【问题描述】：

我想在 matplotlib 中绘制几个“填充”内核密度估计 (KDE)，例如垂直 violinplots 的上半部分或 Joy Division 的 Unknown Pleasures 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。

【问题讨论】：

标签： python matplotlib

【解决方案1】：

This answer 显示如何修改Matplotlib's violinplots。这些小提琴图也可以调整为仅显示小提琴图的上半部分。

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

通过将主体的透明度设置为 0、添加边缘颜色并确保首先绘制底层 KDE，可以轻松创建漂亮的重叠变体：

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)

【讨论】：

【解决方案2】：

请注意，有一个名为 joypy 的现有包，它构建在 matplotlib 之上，可以轻松地从数据帧中生成此类“Joyplots”。

除此之外，几乎没有理由不使用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()

【讨论】：