Plotly - Distplots Grafico densità e Grafico barra di errore

In questo capitolo capiremo in dettaglio i distplot, il diagramma di densità e il diagramma a barre di errore. Cominciamo imparando a conoscere i distplot.

Distplots

La fabbrica di figure distplot mostra una combinazione di rappresentazioni statistiche di dati numerici, come istogramma, stima della densità del kernel o curva normale e grafico del tappeto.

Il distplot può essere composto da tutte o da una qualsiasi combinazione dei seguenti 3 componenti:

  • histogram
  • curva: (a) stima della densità del kernel o (b) curva normale, e
  • trama del tappeto

Il figure_factory il modulo ha create_distplot() funzione che necessita di un parametro obbligatorio chiamato hist_data.

Il codice seguente crea un distplot di base costituito da un istogramma, un diagramma di kde e un diagramma di tappeto.

x = np.random.randn(1000)
hist_data = [x]
group_labels = ['distplot']
fig = ff.create_distplot(hist_data, group_labels)
iplot(fig)

L'output del codice sopra menzionato è il seguente:

Grafico densità

Un grafico di densità è una versione uniforme e continua di un istogramma stimato dai dati. La forma più comune di stima è nota comekernel density estimation (KDE). In questo metodo, una curva continua (il kernel) viene disegnata in ogni singolo punto dati e tutte queste curve vengono poi sommate per creare una stima della densità uniforme.

Il create_2d_density() funzione nel modulo plotly.figure_factory._2d_density restituisce un oggetto figura per un grafico di densità 2D.

Il codice seguente viene utilizzato per produrre il grafico della densità 2D sui dati dell'istogramma.

t = np.linspace(-1, 1.2, 2000)
x = (t**3) + (0.3 * np.random.randn(2000))
y = (t**6) + (0.3 * np.random.randn(2000))
fig = ff.create_2d_density( x, y)
iplot(fig)

Di seguito è indicato l'output del codice sopra indicato.

Grafico a barre degli errori

Le barre di errore sono rappresentazioni grafiche dell'errore o dell'incertezza nei dati e aiutano la corretta interpretazione. Per scopi scientifici, la segnalazione degli errori è fondamentale per la comprensione dei dati forniti.

Le barre di errore sono utili per i risolutori di problemi perché le barre di errore mostrano l'affidabilità o la precisione in un insieme di misurazioni o valori calcolati.

Per lo più le barre di errore rappresentano l'intervallo e la deviazione standard di un set di dati. Possono aiutare a visualizzare come i dati vengono distribuiti attorno al valore medio. Le barre di errore possono essere generate su una varietà di grafici come grafico a barre, grafico a linee, grafico a dispersione ecc.

Il go.Scatter() funzione ha error_x e error_y proprietà che controllano come vengono generate le barre di errore.

  • visible (boolean) - Determina se questo insieme di barre di errore è visibile o meno.

La proprietà del tipo ha valori possibili "percent"|"constant"|"sqrt"|"data". Imposta la regola utilizzata per generare le barre di errore. Se "percentuale", le lunghezze delle barre corrispondono a una percentuale dei dati sottostanti. Imposta questa percentuale in "valore". Se "sqrt", le lunghezze delle barre corrispondono al quadrato dei dati sottostanti. Se "dati", le lunghezze delle barre vengono impostate con il set di dati `array`.

  • symmetricla proprietà può essere vera o falsa. Di conseguenza, le barre di errore avranno o meno la stessa lunghezza in entrambe le direzioni (alto / basso per le barre verticali, sinistra / destra per le barre orizzontali.

  • array- imposta i dati corrispondenti alla lunghezza di ciascuna barra di errore. I valori vengono tracciati in relazione ai dati sottostanti.

  • arrayminus - Imposta i dati corrispondenti alla lunghezza di ciascuna barra di errore nella direzione inferiore (sinistra) per le barre verticali (orizzontali). I valori vengono tracciati in relazione ai dati sottostanti.

Il codice seguente mostra barre di errore simmetriche su un grafico a dispersione -

trace = go.Scatter(
   x = [0, 1, 2], y = [6, 10, 2],
   error_y = dict(
   type = 'data', # value of error bar given in data coordinates
   array = [1, 2, 3], visible = True)
)
data = [trace]
layout = go.Layout(title = 'Symmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)

Di seguito è riportato l'output del codice sopra indicato.

Il grafico dell'errore asimmetrico viene reso dal seguente script:

trace = go.Scatter(
   x = [1, 2, 3, 4], 
   y =[ 2, 1, 3, 4],
   error_y = dict(
      type = 'data',
      symmetric = False,
      array = [0.1, 0.2, 0.1, 0.1], 
      arrayminus = [0.2, 0.4, 1, 0.2]
   )
)
data = [trace]
layout = go.Layout(title = 'Asymmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)

L'output dello stesso è come indicato di seguito -