跳到主要内容

山脊图

山脊图(也叫 joyplot)把每个分组的核密度曲线纵向堆起来:y 轴是分组名,x 轴是连续取值,曲线之间允许重叠,于是 有了经典的「山脉」观感。想一次比较十几个分布,它是最紧凑的画法。

SELECT kuva_render(to_json({
'title': 'Expression by treatment',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'ridgeline',
'groups': groups,
'overlap': 0.6,
'filled': true,
'opacity': 0.8,
'normalize': true
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);

每条山脊由自己那组的值画出来,所以各组样本量不必相同 —— 只要 x 的取值范围能放在一起比就行。

逐组颜色​

给分组一个 color,它就用自己的颜色而不是调色板。用一条由冷到暖的色带贯穿各分组,顺序一眼就能读出来 —— 这 正是山脊图要干的事:

SELECT kuva_render(to_json({
'title': 'Expression by treatment',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'ridgeline',
'groups': list({
'label': g,
'values': vals,
'color': CASE g
WHEN 'Control' THEN '#3a7abf'
WHEN 'Drug_A' THEN '#6ba3d4'
WHEN 'Drug_B' THEN '#e8c97a'
WHEN 'Drug_C' THEN '#f0a830'
ELSE '#d44a10' END
} ORDER BY g),
'overlap': 0.6,
'filled': true,
'opacity': 0.75,
'normalize': true
}]
})) AS chart
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
);

重叠与归一​

overlap 是一条山脊能溢出自己格子高度的比例,0 是各占各的格子、1 是完全重叠。normalize 把每条曲线缩到 同一个峰值 —— 各组样本量差得离谱、而故事在形状上时,就该打开它:

SELECT kuva_render(to_json({
'title': 'Full overlap, normalised',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'ridgeline',
'groups': groups,
'overlap': 1.0,
'filled': true,
'opacity': 0.75,
'normalize': true
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);

去掉 normalize,每条曲线保留自己的密度尺度:某个组在窄区间里样本多,就画得更高 —— 量级和形状同样重要时, 这正是你要的。

轮廓、虚线与基线​

filled: false 只画轮廓,line_dash 把它们打成虚线,baseline 在每条山脊下画一条基线 —— 三个一起用,就是一版 能灰度打印的图:

SELECT kuva_render(to_json({
'title': 'Outlines only',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'ridgeline',
'groups': groups,
'filled': false,
'opacity': 0.9,
'overlap': 0.7,
'normalize': true,
'stroke_width': 1.5,
'line_dash': '4 2',
'baseline': true
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);

字段​

字段类型设置什么
groupsgroup[]必填。 每个分组一条山脊,每项是 {label, values, color?}。
filledboolean填充曲线下方(默认 true;false 只画轮廓)。
opacitynumber填充不透明度(默认 0.7)。
bandwidthnumber核密度带宽;默认按 Silverman 规则。
kde_samplesinteger每条曲线采样多少个点(默认 200)。
stroke_widthnumber轮廓线宽(默认 1.5)。
overlapnumber相邻山脊的重叠程度,0–1(默认 0.5)。
normalizeboolean把每条山脊归一到同一个峰值高度。
show_legendboolean显示图例,文字取自各组标签。
line_dashstring虚线样式(如 "4 2")。
baselineboolean在每条山脊下面画基线。

颜色是逐组的(groups[].color);这个图型没有统一的 color 字段。

说明​

  • 每个分组至少要有一个值,且 groups 不能为空。
  • 山脊图最好配上 normalize: true 和适中的 overlap(0.5–0.7 上下);overlap: 1 是给「峰的位置重要、 高度不重要」的场合用的。
  • 分组的 values 是原始样本,不是预算好的曲线 —— 核密度会对每个分组重新估计。

另见​