山脊图 (Ridgeline Plot)：使用 joypy 库，优雅地比较多组数据的分布情况
山脊图 (Ridgeline Plot)：使用 joypy 库，优雅地比较多组数据的分布情况
导语
在数据可视化的世界里，选择正确的图表来讲述数据背后的故事至关重要。当需要比较多组数据的分布时，传统的小提琴图或箱线图可能会显得拥挤或不够直观。这时，山脊图 (Ridgeline Plot)，也因其与 Joy Division 乐队《Unknown Pleasures》专辑封面的相似性而被称为“Joy Plot”，提供了一种美学和功能兼备的解决方案。
本文将介绍如何使用 Python 中的 joypy 库，轻松创建优雅的山脊图，以直观地展示不同类别下数据的分布形态。
(图片来源: Python Graph Gallery)
什么是山脊图？
山脊图通过将多个密度图沿 y 轴堆叠排列，并允许它们部分重叠，来展示不同分组下数值变量的分布情况。这种可视化方式的优势在于：
- ✅ 清晰对比：可以非常直观地看到各个组别的分布形状、峰值、偏态和离散程度的差异。
- ✅ 空间高效：相比于将多个直方图或密度图并排摆放，山脊图更节省空间，尤其是在组别数量较多时。
- ✅ 趋势发现：如果 x 轴代表时间或有序类别，山脊图能清晰地揭示分布随之变化的趋势。
快速开始
joypy 是一个基于 pandas 和 matplotlib 的库，专门用于绘制山脊图。
⚠️ 1. 安装依赖
首先，确保你已经安装了必要的库。如果尚未安装，可以通过 pip 命令进行安装：
pip install joypy pandas matplotlib
✅ 2. 准备数据
山脊图需要的数据格式通常是一个 pandas.DataFrame 对象，其中至少包含两列：
- 一个用于分组的分类变量。
- 一个用于绘制分布的数值变量。
为了方便演示，我们使用经典的 iris (鸢尾花) 数据集。
import pandas as pd
from sklearn.datasets import load_iris
import joypy
import matplotlib.pyplot as plt# 加载数据
iris = load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['species'] = pd.Categorical.from_codes(iris.target, iris.target_names)print(df.head())
数据预览：
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
核心实践：绘制山脊图
基础绘图
使用 joypy 绘制山脊图非常简单，只需一行代码即可。我们将按鸢尾花的种类 (species) 来比较花瓣长度 (petal length (cm)) 的分布。
# --- 基础山脊图 ---
fig, axes = joypy.joyplot(data=df, by='species', column='petal length (cm)',figsize=(8, 5)
)# 添加标题和标签
plt.title('Iris Petal Length Distribution by Species', fontsize=16)
plt.xlabel('Petal Length (cm)', fontsize=12)
plt.show()
这会生成一个基础的山脊图，清晰地展示了三个不同品种鸢尾花花瓣长度的分布差异。
自定义与美化
joypy 提供了丰富的参数来自定义图表的外观，使其更具表现力。
colormap: 设置颜色映射，使图表更美观。overlap: 调整密度图之间的重叠程度。grid: 是否显示网格线。legend: 是否显示图例。alpha: 设置填充颜色的透明度。
# --- 自定义山脊图 ---
fig, axes = joypy.joyplot(data=df,by='species',column='petal length (cm)',figsize=(10, 6),colormap=plt.cm.viridis, # 使用 Viridis 颜色映射alpha=0.7, # 设置透明度overlap=2, # 增加重叠grid='y', # 添加水平网格线legend=True
)# 设置标题
plt.title('Customized Ridgeline Plot of Iris Petal Length', fontsize=18, pad=20)
plt.xlabel('Petal Length (cm)', fontsize=14)
plt.show()
通过这些简单的自定义，图表变得更加清晰和专业。
更多高级案例
joypy 的能力远不止于此。下面我们看几个更高级的用法。
案例 1：同时比较多个特征
如果你想一次性比较数据集中所有数值特征的分布，只需将列名列表传递给 column 参数即可。
# --- 同时绘制所有数值特征 ---
fig, axes = joypy.joyplot(data=df,by='species',# 传入一个包含所有数值列名的列表column=['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'],colormap=plt.cm.autumn_r,figsize=(10, 8),alpha=0.8,overlap=2
)plt.title('Full Iris Dataset Ridgeline Plot', fontsize=20, pad=30)
plt.show()
这个功能非常强大，可以快速生成对整个数据集的概览。
案例 2：使用直方图代替密度图
如果你更喜欢直方图的呈现方式，可以通过设置 hist=True 和 bins 参数来实现。
# --- 绘制重叠的直方图 ---
fig, axes = joypy.joyplot(data=df,by='species',column='petal length (cm)',hist=True, # 激活直方图模式bins=20, # 设置分箱数量figsize=(10, 6),colormap=plt.cm.Blues_r,alpha=0.9
)plt.title('Ridgeline Histograms of Petal Length', fontsize=18)
plt.show()
案例 3：添加均值线和修改背景
joypy.joyplot 返回一个 (figure, axes) 元组，我们可以像操作普通 matplotlib 图表一样对其进行深度定制。例如，为每个分布添加一条表示均值的垂直线。
# --- 添加均值线和修改背景 ---
fig, axes = joypy.joyplot(data=df,by='species',column='petal length (cm)',figsize=(10, 6),colormap=plt.cm.coolwarm,overlap=1.5,# linecolor 和 facecolor 设为白色，让均值线更突出linecolor='w',facecolor='w'
)# 计算每个物种的花瓣长度均值
means = df.groupby('species')['petal length (cm)'].mean()# 遍历每个子图 (axes)
for i, ax in enumerate(axes):# 获取对应的物种名称species_name = means.index[i]# 获取对应的均值mean_val = means.iloc[i]# 在子图上绘制垂直的均值线ax.axvline(mean_val, color='red', linestyle='--', linewidth=1.5)# 可以在图上标注均值ax.text(mean_val + 0.1, 0.1, f'Mean: {mean_val:.2f}', color='red', fontsize=9)# 设置图表背景色
fig.set_facecolor('#f0f0f0')
plt.title('Ridgeline Plot with Mean Lines', fontsize=18, pad=20)
plt.show()
探索 AI 的无限可能
掌握像 joypy 这样的高级可视化工具，是数据科学和 AI 领域的重要一步。然而，技术的边界正在被大型语言模型（LLM）以前所未有的速度拓展。对于希望探索和使用各种开源及基础模型的开发者和研究者，0v0 AI 提供了一个绝佳的平台，可以帮助你将数据分析和可视化项目提升到一个全新的水平。
https://0v0.pro
总结
山脊图是一种强大而优雅的可视化工具，尤其适用于比较多组数据的分布。借助 joypy 库，Python 用户可以轻松、高效地创建具有高度可定制性的山脊图。
下次当你需要探索不同类别下的数据分布时，不妨试试山ridge图，它可能会给你带来意想不到的洞察。