Блог

Следующий код дает мне очень хороший violinplot (и boxplot внутри).

 import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

foo = np.random.rand(100)
sns.violinplot(foo)
plt.boxplot(foo)
plt.show()
  

Пока все хорошо. Однако, когда я смотрю foo , переменная не содержит никаких отрицательных значений. seaborn Сюжет здесь кажется вводящим в заблуждение. Обычный matplotlib boxplot дает что-то более близкое к тому, что я ожидал.

Как я могу сделать скрипичные графики с лучшей подгонкой (не показывая ложноотрицательных значений)?

Как отмечается в комментариях, это следствие (я не уверен, что назвал бы это «артефактом») предположений, лежащих в основе гауссовского KDE. Как уже упоминалось, это несколько неизбежно, и если ваши данные не соответствуют этим предположениям, вам может быть лучше просто использовать boxplot, который показывает только точки, которые существуют в фактических данных.

Однако в своем ответе вы спрашиваете, может ли он быть «плотнее», что может означать несколько вещей.

Одним из ответов может быть изменение пропускной способности ядра сглаживания. Вы делаете это с bw аргументом, который на самом деле является масштабным коэффициентом; используемая полоса пропускания равна bw * data.std() :

 data = np.random.rand(100)
sns.violinplot(y=data, bw=.1)
  

Другим ответом может быть усечение скрипки в крайних точках данных. KDE по-прежнему будет соответствовать плотностям, выходящим за пределы ваших данных, но хвосты не будут показаны. Вы делаете это с cut параметром, который указывает, на сколько единиц пропускной способности после экстремальных значений должна быть нарисована плотность. Для усечения установите значение 0:

 sns.violinplot(y=data, cut=0)
  

Кстати, API violinplot для изменится в версии 0.6, и я использую версию для разработки здесь, но оба аргумента bw и cut существуют в текущей выпущенной версии и ведут себя более или менее одинаково.