跳到主要内容

小提琴图

小提琴图估计每个分组的概率密度,再绕中轴镜像画出来 —— 数据在哪最密,形状就在哪最宽。箱线图 给你五个数,小提琴给你形状:多峰或者偏斜的分组,画出来完全不像一个箱子。

SELECT kuva_render(to_json({
'title': 'Expression by treatment',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'width': 0.7,
'color': 'steelblue'
}]
})) 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"
)
);

这里的每个分组都来自同一个文件,但各讲各的故事:Drug_B 是双峰(两个鼓包 —— 箱线图只会报一个中位数、把 中间的缺口完全丢掉),Drug_C 又宽又噪,Drug_D 右偏。这就是该用小提琴而不是箱子的场合。

小提琴的宽度​

width 是每把小提琴的最大半宽,单位是分类槽位的比例(默认 0.8);gap 是分组之间的空隙。窄一点更 透气,宽一点密度形状更清楚。

SELECT kuva_render(to_json({
'title': 'Narrow violins',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'width': 0.4,
'color': 'steelblue'
}]
})) 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"
)
);

KDE 带宽​

带宽和密度曲线图上那个是同一个平滑旋钮,单位也是数据自己的单位:

bandwidth效果
太小轮廓毛糙、冒出假的鼓包
不给Silverman 规则 —— 通常就该这样
太大真实的峰被并成一个
SELECT kuva_render(to_json({
'title': 'Over-smoothed violins',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'width': 0.7,
'bandwidth': 3,
'color': 'steelblue'
}]
})) 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"
)
);

kde_samples 是密度采样多少个点(默认 200)—— 渲染出来的曲线看着发折就调大它。

叠加原始点​

把原始点画上去,样本量就看得见了 —— 而读者正是靠它判断这条密度曲线能信几分。

swarm 把点左右排开、互不重叠;每组大致 N < 200 时合适:

SELECT kuva_render(to_json({
'title': 'Violin with a swarm overlay',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'width': 0.7,
'color': 'steelblue',
'swarm': true,
'overlay_color': 'rgba(0,0,0,0.35)',
'overlay_size': 2.5
}]
})) 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"
)
);

strip 改用随机偏移,数据量大时更省:

SELECT kuva_render(to_json({
'title': 'Violin with a strip overlay',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'width': 0.7,
'color': 'steelblue',
'strip': 0.15,
'overlay_color': 'rgba(0,0,0,0.35)',
'overlay_size': 2.5
}]
})) 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"
)
);

逐组颜色​

colors 逐把上色,与 groups 按位置对应;列表用完之后的分组回退到统一的 color。

SELECT kuva_render(to_json({
'title': 'Per-group colours',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'violin',
'groups': groups,
'colors': ['steelblue', 'tomato', 'seagreen', 'goldenrod', 'mediumpurple'],
'width': 0.7
}]
})) 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"
)
);

和箱线图一样,图例锁用的是统一的 color;想要逐组图例就一个分组一个 series。

横向​

horizontal 把分类挪到 y 轴 —— 分类名长的时候,这个布局更好。

SELECT kuva_render(to_json({
'title': 'Horizontal violins',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'violin',
'groups': groups,
'colors': ['steelblue', 'tomato', 'seagreen', 'goldenrod', 'mediumpurple'],
'horizontal': 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"
)
);

对开小提琴​

split: true 把每把小提琴切成两半,另一半镜像第二个分组,于是两个分布共用一个槽位、可以直接比。 split_groups 给的就是那一半 —— 只收 {values},与 groups 按位置配对,长度不能超过 groups。

WITH d AS (
SELECT "group" AS g, expression,
row_number() OVER (PARTITION BY "group" ORDER BY expression) AS rn
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
WHERE "group" IN ('Control', 'Drug_B')
)
SELECT kuva_render(to_json({
'title': 'Split violins',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'legend': {'position': 'outside_right_top'},
'series': [{
'type': 'violin',
'groups': [
{'label': 'Control', 'values': (SELECT list(expression ORDER BY rn) FROM d WHERE g = 'Control' AND rn % 2 = 1)},
{'label': 'Drug_B', 'values': (SELECT list(expression ORDER BY rn) FROM d WHERE g = 'Drug_B' AND rn % 2 = 1)}
],
'split': true,
'split_groups': [
{'values': (SELECT list(expression ORDER BY rn) FROM d WHERE g = 'Control' AND rn % 2 = 0)},
{'values': (SELECT list(expression ORDER BY rn) FROM d WHERE g = 'Drug_B' AND rn % 2 = 0)}
],
'split_color': 'goldenrod',
'split_legend': 'second half',
'width': 0.8,
'color': 'steelblue'
}]
})) AS chart;

这里两半是同一份样本拆出来的两半 —— 对开小提琴就是把一个分组的两种条件、或者两个队列,并排塞进一个槽位。

字段​

字段类型设置什么
groupsgroup[]必填。 每个分组一把小提琴,每项是 {label, values, color?}。
colorsstring[]逐组颜色,与 groups 按位置对应。
widthnumber组宽占分类槽位的比例(默认 0.8)。
gapnumber分组之间的空隙。
bandwidthnumber核密度带宽;默认按 Silverman 规则。
kde_samplesinteger每条密度采样多少个点(默认 200)。
stripnumber叠加抖动散点,值就是抖动幅度。
swarmboolean改成叠加蜂群。
overlay_colorstring叠加点的颜色(默认 rgba(0,0,0,0.45))。
overlay_sizenumber叠加点的半径(默认 3)。
horizontalboolean横向画(数值在 x 轴)。
splitboolean画对开小提琴 —— 每个分组与 split_groups 里的一个配对。
split_groupsobject[]对开的那几半,每项是 {values};与 groups 按位置配对。
split_colorstring对开那一半的颜色。
split_group_colorsstring[]对开那一半的逐组颜色。
split_legendstring对开那一半的图例文字。

color 与 legend 见 series 与通用字段。

说明​

  • 每个分组至少要有一个值;groups 为空是报错。
  • split_groups 可以比 groups 短,但不能更长 —— 更长是报错。
  • split_groups 的每一项只收 values;它的标签来自 groups 里对应那一项。
  • strip 与 swarm 二选一;colors 也不会驱动图例。

另见​