在数据可视化中，小提琴图是一种非常有用的图表，可以直观地展示数据分布的形状、密度以及其在不同组之间的比较。今天，我将分享如何结合Matplotlib和高斯核密度估计（KDE）来绘制带箱型图的小提琴图。为什么使用小提琴图？小提琴图结合了箱型图和密度曲线，可以展示数据的分布情况。通过图中的宽度变化，我们能够快速理解数据在不同数值区间的密度。核密度估计（KDE）提供了比传统直方图更平滑、更连续的分布展示，它帮助我们理解数据的整体趋势和异常。代码解读这段代码通过以下步骤实现了一个自定义的小提琴图：生成数据：利用高斯分布生成了五组数据，用于展示小提琴图在不同组间的表现。高斯核密度估计（KDE）：通过scipy.stats.gaussian_kde来计算每组数据的核密度估计，从而获得数据的分布情况。绘制小提琴图：使用fill_betweenx绘制半边小提琴图，控制其宽度，并添加箱型图以更全面地展示数据的分布和异常。散点图：在小提琴图上覆盖随机分布的散点，展示数据点的分布密度。自定义图表样式：设置字体为 Times New Roman，调整图表大小、颜色、标签等，使得图表更符合科研发布要求。运行效果图中包含了五组数据的小提琴图和箱型图，每组数据通过不同的颜色进行区分。每个数据组的均值位置用X标记，展示了数据的中心趋势。y 轴使用了科学计数法来表示数值，更加规范。完整代码importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.statsimportgaussian_kdeimportmatplotlib.tickerasticker# 设置字体为 Times New Romanplt.rcParams['font.family']='Times New Roman'# 设置数学公式字体为 Times New Romanplt.rcParams['mathtext.fontset']='custom'plt.rcParams['mathtext.rm']='Times New Roman'plt.rcParams['mathtext.it']='Times New Roman'plt.rcParams['mathtext.bf']='Times New Roman'# 设置字体大小plt.rcParams['font.size']=32# 数据准备np.random.seed(0)# 设置随机种子，确保可重复性mean=0.5# 高斯分布的均值 (μ)std_dev=0.1# 高斯分布的标准差 (σ)# 从正态分布中生成 10000 个样本data1=np.random.normal(mean,std_dev,10000)data2=np.random.normal(mean,std_dev,10000)data3=np.random.normal(mean,std_dev,10000)data4=np.random.normal(mean,std_dev,10000)data5=np.random.normal(mean,std_dev,10000)# 将数据集合在一起groups=[data1,data2,data3,data4,data5]# 设置标签labels=['label1','label2','label3','label4','label5']# 自定义颜色colors=['#1f77b4',# 深蓝色'#ff7f0e',# 橙色'#2ca02c',# 绿色'#9467bd',# 紫色'#e377c2',# 粉色'#d62728',# 红色]light_colors=['#aec7e8',# 浅蓝色'#ffbb78',# 浅橙色'#98df8a',# 浅绿色'#c5b0d5',# 浅紫色'#f7b6d2',# 浅粉色'#ff9896',# 浅红色]# 创建图形和坐标轴fig,ax=plt.subplots(figsize=(18,8))# 遍历每组数据fori,datainenumerate(groups)