Python - Seaborn Скрипичный сюжет, не делаю то, что хочу

Question

Я смотрю на примеры, но все требует информационного кадра.

Если у меня есть следующий информационный кадр:

x = ["G","F","E","D","C","B"]
y = [3,14,45,47,34,15]

df = pd.DataFrame(
    {'Band': x,
     'Count': y,
    })

Я хочу создать скрипичный сюжет, используя Count в качествезначение и Band как шаги, поэтому я сделал это:

ax = sns.violinplot( y="Count", data=df)

, который производит это:

ОднакоЯ хочу иметь Bands на y axis, а затем Count быть размером выпуклости для каждой оценки.Вы должны использовать continuous values только на y axis?

Редактировать:

Как я хочу, чтобы это выглядело:

Answer 1

Графики скрипки обычно используются для отображения плотности ядра набора данных.Непонятно, какой должна быть плотность ядра дискретного набора данных, но вы, конечно, можете считать, что ваш дискретный случай является непрерывным, сопоставив буквы "B", "C", "D", ... с целыми числами 0,1,2,... и затем нанеся на карту скрипку.

import matplotlib.pyplot as plt
import seaborn as sns

x = ["G","F","E","D","C","B"]
y = [3,14,45,47,34,15]

data = []
for i, yi in enumerate(y):
    data.extend([i]*yi)

sns.violinplot(y=data)
plt.yticks(range(len(x)), x)
plt.show()

Это дает общий совет о распределении писем.Однако для количественного использования, скорее всего, лучше построить гистограмму.

import matplotlib.pyplot as plt
import numpy as np

x = ["G","F","E","D","C","B"]
y = [3,14,45,47,34,15]

plt.barh(np.arange(len(x)), y)
plt.yticks(np.arange(len(x)), x)
plt.show()

Теперь вы, конечно, можете стилизовать эту гистограмму таким образом, чтобыпохожа на скрипку, или, может быть, назовите ее «сюжет рождественского дерева».

import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import numpy as np

x = ["G","F","E","D","C","B"]
y = [3,14,45,47,34,15]

plt.barh(np.arange(len(x)), y, height=1, color="C0")
plt.barh(np.arange(len(x)), -np.array(y), height=1, color="C0")

plt.yticks(np.arange(len(x)), x)

# create strictly positive ticklabels
posfmt = mticker.FuncFormatter(lambda x,_: "{:g}".format(np.abs(x)))
plt.gca().get_xaxis().set_major_formatter(posfmt)
plt.show()