Plotly - Gráfico de densidad de Distplots y Gráfico de barra de error

En este capítulo, comprenderemos en detalle acerca de las gráficas de distribución, la gráfica de densidad y la gráfica de barras de error. Comencemos por aprender sobre distplots.

Distplots

La fábrica de figuras de distplot muestra una combinación de representaciones estadísticas de datos numéricos, como histograma, estimación de densidad de kernel o curva normal y gráfico de alfombra.

La gráfica de destilación puede estar compuesta por todos o cualquier combinación de los siguientes 3 componentes:

• histogram
• curva: (a) estimación de la densidad del grano o (b) curva normal, y
• trama de alfombra

los figure_factory módulo tiene create_distplot() función que necesita un parámetro obligatorio llamado hist_data.

El siguiente código crea una gráfica de distribución básica que consta de un histograma, una gráfica de kde y una gráfica de alfombra.

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

La salida del código mencionado anteriormente es la siguiente:

Gráfico de densidad

Una gráfica de densidad es una versión continua y suavizada de un histograma estimado a partir de los datos. La forma más común de estimación se conoce comokernel density estimation (KDE). En este método, se dibuja una curva continua (el núcleo) en cada punto de datos individual y luego todas estas curvas se suman para hacer una estimación de densidad uniforme única.

los create_2d_density() función en el módulo plotly.figure_factory._2d_density devuelve un objeto de figura para un diagrama de densidad 2D.

El siguiente código se utiliza para producir un gráfico de densidad 2D sobre datos de histograma.

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)

A continuación se menciona la salida del código dado anteriormente.

Gráfico de barra de error

Las barras de error son representaciones gráficas del error o la incertidumbre en los datos y ayudan a una interpretación correcta. Para fines científicos, la notificación de errores es fundamental para comprender los datos proporcionados.

Las barras de error son útiles para los solucionadores de problemas porque las barras de error muestran la confianza o precisión en un conjunto de medidas o valores calculados.

La mayoría de las barras de error representan el rango y la desviación estándar de un conjunto de datos. Pueden ayudar a visualizar cómo se distribuyen los datos en torno al valor medio. Las barras de error se pueden generar en una variedad de gráficos, como gráficos de barras, gráficos de líneas, gráficos de dispersión, etc.

los go.Scatter() la función tiene error_x y error_y propiedades que controlan cómo se generan las barras de error.

• visible (boolean) - Determina si este conjunto de barras de error es visible o no.

La propiedad de tipo tiene valores posibles "percent"|"constant"|"sqrt"|"data”. Establece la regla utilizada para generar las barras de error. Si es "porcentaje", las longitudes de las barras corresponden a un porcentaje de los datos subyacentes. Establezca este porcentaje en "valor". Si es "sqrt", las longitudes de las barras corresponden al cuadrado de los datos subyacentes. Si es "datos", las longitudes de las barras se establecen con el conjunto de datos `matriz`.

• symmetricla propiedad puede ser verdadera o falsa. En consecuencia, las barras de error tendrán la misma longitud en ambas direcciones o no (arriba / abajo para barras verticales, izquierda / derecha para barras horizontales).

• array- establece los datos correspondientes a la longitud de cada barra de error. Los valores se grafican en relación con los datos subyacentes.

• arrayminus - Establece los datos correspondientes a la longitud de cada barra de error en la dirección inferior (izquierda) para las barras verticales (horizontales). Los valores se representan en relación con los datos subyacentes.

El siguiente código muestra barras de error simétricas en un diagrama de dispersión:

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)

A continuación se muestra la salida del código mencionado anteriormente.

El gráfico de error asimétrico se representa mediante el siguiente 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)

La salida de la misma es la que se muestra a continuación: