Bỏ qua đến nội dung chính
Mục lục

sns.boxplot() và violinplot() trong seaborn: so phân bố

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/10 · Chương 3

Biểu đồ thống kê với seaborn

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

seaborn boxplot vẽ mỗi nhóm một hộp thẳng từ bảng dài: bạn đưa bảng điểm thi và tên hai cột, sns.boxplot() tự chia thí sinh theo tỉnh và vẽ sáu hộp điểm tiếng Anh cạnh nhau. sns.violinplot() vẽ cùng phép so đó bằng hình đàn violin cho thấy cả dáng phân bố, còn order= xếp các nhóm theo thứ tự bạn chọn để hình dễ đọc.

Cần biết trước: box plot trong Matplotlib, sns.histplot() và seaborn khác Matplotlib ở đâu.

sns.boxplot() so nhiều nhóm

File diem_thi.csv có 500 thí sinh của sáu tỉnh, mỗi dòng một thí sinh với điểm các môn (thang 10). Môn không thuộc ban của thí sinh để trống. Bạn so điểm tiếng Anh giữa các tỉnh:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
fig, ax = plt.subplots(figsize=(7, 4), layout="constrained")
sns.boxplot(data=dt, x="tinh", y="anh", ax=ax)
ax.set_title("Điểm tiếng Anh của sáu tỉnh")
ax.set(xlabel="Tỉnh", ylabel="Điểm tiếng Anh (thang 10)")
plt.show()
Box plot điểm tiếng Anh của sáu tỉnh theo thứ tự xuất hiện trong file, trục y là điểm thang 10; trung vị các tỉnh từ khoảng 5,2 đến 6,6, có vài điểm ngoại lai thấp dưới 2.

Mỗi hộp là một tỉnh. Vạch giữa hộp là trung vị, hộp chứa một nửa số thí sinh ở giữa, râu kéo tới điểm xa nhất chưa bị coi là bất thường, và các chấm rời là điểm ngoại lai. Như bài box plot, chỉ khác là bạn không phải tách sáu danh sách điểm: seaborn tự chia theo x="tinh" và tự bỏ các ô trống.

Hộp xếp theo thứ tự tỉnh xuất hiện đầu tiên trong file, nên mắt phải nhảy qua lại để tìm tỉnh cao nhất.

Sắp nhóm bằng order=

order= nhận một list tên nhóm và vẽ các hộp đúng theo list đó. Bạn tính trung vị mỗi tỉnh, xếp giảm dần, rồi đưa thứ tự vào:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
tv = dt.groupby("tinh")["anh"].median()
thu_tu = list(tv.sort_values(ascending=False).index)
print(thu_tu)
fig, ax = plt.subplots(figsize=(7, 4), layout="constrained")
sns.boxplot(data=dt, x="tinh", y="anh", order=thu_tu, ax=ax)
ax.set_title("TP. Hồ Chí Minh dẫn đầu tiếng Anh, Đà Nẵng cuối bảng")
ax.set(xlabel="Tỉnh", ylabel="Điểm tiếng Anh (thang 10)")
plt.show()

KẾT QUẢ

['TP. Hồ Chí Minh', 'Hà Nội', 'Cần Thơ', 'Nghệ An', 'Hải Phòng', 'Đà Nẵng']
Box plot điểm tiếng Anh sáu tỉnh xếp theo trung vị giảm dần: TP. Hồ Chí Minh khoảng 6,6, Hà Nội, Cần Thơ, Nghệ An, Hải Phòng, rồi Đà Nẵng khoảng 5,2.

Giờ các vạch trung vị đi xuống từ trái sang phải, và người đọc thấy ngay tỉnh dẫn đầu và tỉnh cuối. Đổi ascending=False thành ascending=True rồi chạy lại: dòng in ra thành ['Đà Nẵng', 'Hải Phòng', 'Nghệ An', 'Cần Thơ', 'Hà Nội', 'TP. Hồ Chí Minh'], và các hộp đi lên từ trái sang phải.

sns.violinplot() cho thấy dáng phân bố

Hộp chỉ kể năm con số; hai nhóm có hộp giống nhau vẫn có thể khác dáng, một nhóm dồn hai cụm, một nhóm trải đều. Violin plot vẽ đường KDE như bài histplot, dựng đứng và lật đối xứng thành hình đàn. Bạn gấp ba môn chung thành bảng dài rồi so dáng điểm từng môn:

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
dai = dt.melt(id_vars="sbd", value_vars=["toan", "van", "anh"],
              var_name="mon", value_name="diem")
TEN = {"toan": "Toán", "van": "Văn", "anh": "Anh"}
dai["mon"] = dai["mon"].map(TEN)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
sns.violinplot(data=dai, x="mon", y="diem", cut=0, ax=ax)
ax.set_title("Điểm Văn dồn hẹp quanh 7, điểm Anh trải rộng nhất")
ax.set(xlabel="Môn", ylabel="Điểm (thang 10)")
plt.show()
Violin plot điểm ba môn Toán, Văn, Anh, mỗi hình đàn có hộp nhỏ bên trong; Văn hẹp và béo quanh 7, Anh dài từ dưới 1 tới 10, Toán ở giữa.

Chỗ hình đàn phình ra là nơi nhiều thí sinh. Văn béo và ngắn quanh 7 điểm: thí sinh đạt điểm Văn khá sát nhau. Anh kéo dài từ dưới 1 tới 10, tức chênh lệch giữa thí sinh lớn hơn. Hộp nhỏ màu tối bên trong mỗi hình đàn là box plot thu gọn, nên bạn vẫn đọc được trung vị. cut=0 giữ hình đàn trong khoảng điểm có thật; khung bẫy dưới cho thấy vì sao.

Kiểm tra nhanh

  1. Trong box plot điểm tiếng Anh, vạch ngang giữa mỗi hộp là gì?

    • Điểm trung bình của tỉnh
    • Trung vị: một nửa thí sinh của tỉnh có điểm thấp hơn hoặc bằng nó
    • Điểm cao nhất không bị coi là ngoại lai
  2. Sau import pandas as pd, matplotlib.pyplot as plt, seaborn as sns, fig, ax = plt.subplots(), sns.boxplot(data=pd.DataFrame({"tinh": ["A", "B", "A"], "diem": [5.0, 7.0, 6.0]}), x="tinh", y="diem", order=["B", "A"], ax=ax) và fig.canvas.draw(), [t.get_text() for t in ax.get_xticklabels()] cho kết quả gì?

    • ['A', 'B']
    • ['B', 'A']
    • ['A', 'B', 'A']
  3. Vì sao ví dụ violin plot truyền cut=0?

    • Để bỏ các thí sinh có điểm 0
    • Để hình đàn không có hộp nhỏ bên trong
    • Để hình đàn dừng ở điểm thấp nhất và cao nhất có thật, không vượt 10
  4. Trong khung bẫy gõ sai tên, order=["Hà Nội", "Ha Noi"] cho hình ra sao?

    • Lỗi ValueError vì không có tỉnh Ha Noi
    • Hai nhãn trục x nhưng chỉ một hộp, ô Ha Noi trống
    • seaborn tự sửa Ha Noi thành Hà Nội và vẽ hai hộp giống nhau
Đúng hết lần đầu +15 XP

Bài tập

Box plot điểm một môn theo tỉnh, xếp theo trung vị

Bảng dt có cột tinh và các cột điểm môn như anh, toan (thang 10, có thể trống), như file diem_thi.csv. Viết thân hàm ve_hop_theo_tinh(dt, mon), với mon là tên cột điểm:

  • bỏ các thí sinh không có điểm môn mon;

  • vẽ bằng sns.boxplot() trên một axes mới, mỗi tỉnh còn lại một hộp điểm môn mon;

  • xếp hộp bằng order=: tỉnh có trung vị cao hơn đứng trước; trung vị bằng nhau thì giữ thứ tự tên tỉnh mà groupby() trả về (thứ tự sorted() của Python, nên Huế đứng trước Hà Nội);

  • tiêu đề đúng là Phân bố điểm theo tỉnh, nhãn trục x Tỉnh, nhãn trục y Điểm (thang 10).

Hàm không sửa bảng nó nhận.

Trả về: axes đã vẽ, một Axes.

python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

def ve_hop_theo_tinh(dt, mon):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • sns.boxplot(data=, x=, y=) vẽ mỗi nhóm một hộp từ bảng dài, tự bỏ các ô trống.

  • order= nhận list tên nhóm và vẽ đúng theo thứ tự đó; xếp theo trung vị giúp hình dễ đọc.

  • Tên sai trong order= thành ô trống mà không báo lỗi, nên lấy tên từ dữ liệu.

  • sns.violinplot() vẽ dáng phân bố bằng KDE, kèm hộp nhỏ bên trong.

  • Dữ liệu có giới hạn, như điểm thang 10, cần cut=0 để hình đàn không vượt giới hạn.

Câu hỏi thường gặp

Nên dùng box plot hay violin plot?

Box plot khi người đọc cần so trung vị và độ trải giữa nhiều nhóm, nhất là trong báo cáo cho người không chuyên. Violin plot khi dáng phân bố quan trọng, như nhóm có hai cụm. Với nhóm vài chục dòng trở xuống, violin dễ vẽ ra dáng không có thật, nên dùng box plot.

Làm sao vẽ box plot nằm ngang?

Đổi vai hai trục: tên nhóm vào y=, cột số vào x=, như sns.boxplot(data=dt, x="anh", y="tinh", order=thu_tu). Nhãn tỉnh dài đọc dễ hơn trên trục đứng. Nhớ đổi set_xlabel() và set_ylabel() theo, vì trục điểm giờ nằm ngang.

Có thể tách mỗi hộp theo nhóm thứ hai không?

Được, thêm hue=: sns.boxplot(data=dt, x="tinh", y="anh", hue="gioi_tinh") vẽ hai hộp cạnh nhau cho mỗi tỉnh, như cột nhóm của barplot(). Với violinplot(), thêm split=True để hai nửa đàn ghép thành một hình.

Điểm ngoại lai trong box plot có phải dữ liệu sai không?

Không hẳn. Chấm rời chỉ là điểm nằm xa hơn 1,5 lần chiều cao hộp tính từ mép hộp. Điểm Anh 0,8 có thể là thí sinh làm bài kém thật. Hãy xem lại dòng đó trong bảng trước khi xóa; bài box plot nói thêm cách tìm các dòng ngoại lai.

Chủ đề

seaborn boxplot

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập