使用Origin绘制边际分布曲线(Marginal distributions plots)的思路和方法

本文详细介绍了如何使用Origin软件绘制边际分布曲线图(Marginal distributions plots)。内容包括数据的筛选与拆分、图表的绘制及图例的调整。通过实例展示了如何将数据拆分为3组,并利用Origin的图层管理和Plot Details窗口来完成图表的组合与定制,最终形成具有分组效果的边际分布曲线图。

使用Origin绘制边际分布曲线(Marginal distributions plots)的思路和方法

作者:基迪奥生物
链接:https://zhuanlan.zhihu.com/p/277680615
来源:知乎

今天为大家介绍一种“组合型”图表:边际分布曲线图(Marginal distributions plots),如下图。小提琴图是箱型图和核密度曲线的结合,而边际分布曲线图是散点图和核密度曲线的组合。
在这里插入图片描述

为了让图表展示更丰富的信息,在一种图表不能满足时,大家自然想到了图表的组合。而且,通常来说,这样的图表B格也更高。

本文主要介绍使用Origin绘制Marginal distributions plots的思路和方法,学习重点是数据的筛选拆分、用多个表格的数据绘制分组图表,图层(Layer)的管理。

数据的筛选与拆分

原始数据依照用rnorm()函数生成的,将数据导入到origin的图表中,如下
在这里插入图片描述

由于目前版本的画边际图表的工具不能识别分组信息(只能选择2列),因此要实现分组效果,我们只能将数据拆分成3组,手动添加分组。

这里我们用到Origin的数据筛选功能,选中C列,点漏

在回归分析中,边际分布图通常用于展示自变量因变量的分布情况以及它们之间的关系。这种图表有助于直观地理解数据的统计特性,并辅助模型诊断。以下是相关方法步骤: ### 1. 理解边际分布图的作用 - **定义**:边际分布图通常由一个散点图或回归线图与两个直方图(或其他形式的分布图)组成,分别显示自变量因变量的分布。 - **用途**:通过观察边际分布,可以了解变量是否符合正态分布、是否存在异常值或偏态分布。 ### 2. 使用Python绘制边际分布图 Python中的`seaborn`库提供了一个非常方便的方法绘制边际分布图: ```python import seaborn as sns import matplotlib.pyplot as plt # 加载示例数据集 tips = sns.load_dataset("tips") # 绘制边际分布图 sns.jointplot(x="total_bill", y="tip", data=tips, kind="reg") plt.show() ``` 此代码使用`jointplot`函数创建了一个包含回归线的联合分布图,同时显示了边际分布。 ### 3. 使用R语言绘制边际分布图 在R语言中,可以通过`ggplot2``GGally`包实现类似功能: ```r library(ggplot2) library(GGally) # 加载数据集 data(iris) # 绘制边际分布图 ggpairs(iris, columns = c("Sepal.Length", "Sepal.Width")) ``` 此代码使用`ggpairs`函数生成一个配对图,其中包含了变量之间的回归线边际分布。 ### 4. 自定义边际分布图 如果需要更精细的控制,可以通过手动方式将散点图与直方图组合在一起。例如,在Python中可以使用`matplotlib`的子图功能: ```python import matplotlib.pyplot as plt import numpy as np x = np.random.normal(size=100) y = x * 3 + np.random.normal(size=100) fig, ax = plt.subplots(2, 2, figsize=(8, 8), gridspec_kw={"height_ratios": [1, 3], "width_ratios": [3, 1]}) ax[0, 0].hist(x, bins=20) ax[0, 0].set_title('X Marginal') ax[1, 0].scatter(x, y) ax[1, 0].set_xlabel('X') ax[1, 0].set_ylabel('Y') ax[1, 1].hist(y, bins=20, orientation='horizontal') ax[1, 1].set_title('Y Marginal') plt.tight_layout() plt.show() ``` ### 5. 分析边际分布图的意义 - **检查正态性**:如果边际分布接近钟形曲线,则可能符合正态分布。 - **识别离群值**:极端值可能影响回归结果,因此需要特别关注。 - **评估非线性关系**:如果散点图显示明显的非线性模式,可能需要考虑多项式回归或其他非线性模型。 通过这些方法,可以在回归分析中有效地利用边际分布图来探索数据特征并优化模型选择。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sta@ma@brain

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值