07 地毯图 rugplot

07　地毯图 rugplot

这类图是什么

把每个样本画成一根短竖线，常与密度图叠加。

看什么：看样本落点与聚集区，检查密度曲线外推区是否有真实支撑。

5 个案例

07-1　母线电压采样点的地毯图：每个样本一根竖线

07-2　三组样本落点的地毯图：密集处成带状

07-3　负荷密度叠加地毯图：每根竖线是一个小时样本

地毯图单独看信息有限，叠在密度曲线下沿就能看出样本在哪些区间扎堆，以及曲线外推区（尾部）是否有真实支撑。

07-4　两测点电压采样对比：地毯图并排看偏置

07-5　故障时刻在地毯图上的聚集：看出高发时段

代码

5 个函数取自 code/第二批_分布图261107.py。关键约束：不调用 sns.set_theme()，否则 font.family 被改成 Arial，中文会变方框；版式由 code/公共配置261107.py 里的 setup_cn_style() 与 save() / save_grid() 统一接管。

# 摘自 code/第二批_分布图261107.py

def rg_01():
    """母线电压采样点的地毯图：每个样本一根竖线。"""
    fig, ax = new_fig(left=0.19, bottom=0.21)
    rng = np.random.default_rng(701)
    u = rng.normal(10.02, 0.14, 220)
    sns.rugplot(x=u, color=C1, height=0.42, lw=0.7, ax=ax)
    ax.axvline(9.30, color=C2, lw=0.8, ls="--")
    ax.axvline(10.70, color=C2, lw=0.8, ls=":")
    ax.set_yticks([])
    ax.set_xlabel("母线电压 " + IT["U"] + " / kV")
    ax.set_ylabel("样本")
    ax.set_xlim(9.35, 10.70)
    save(fig, "07_地毯图", "07_地毯图_母线电压采样")

def rg_02():
    """三组样本落点的地毯图：密集处成带状。"""
    fig, ax = new_fig(left=0.19, bottom=0.21)
    rng = np.random.default_rng(702)
    rows = []
    for seg, mu in [("峰段", 690), ("平段", 520), ("谷段", 360)]:
        for v in rng.normal(mu, 55, 120):
            rows.append((seg, v))
    df = pd.DataFrame(rows, columns=["时段", "负荷"])
    for i, (seg, color) in enumerate(zip(["谷段", "平段", "峰段"], PALETTE3)):
        d = df.loc[df["时段"] == seg, "负荷"]
        ax.plot(d, np.full(len(d), i) + rng.normal(0, 0.055, len(d)), "|",
                color=color, ms=8, mew=0.8)
    ax.set_yticks([0, 1, 2])
    ax.set_yticklabels(["谷段", "平段", "峰段"])
    ax.set_ylim(-0.6, 2.6)
    ax.set_xlabel("有功负荷 " + IT["P"] + " / kW")
    ax.set_ylabel("时段")
    ax.set_xlim(150, 900)
    save(fig, "07_地毯图", "07_地毯图_分时段负荷落点")

def rg_03():
    """负荷密度叠加地毯图：每根竖线是一个小时样本。

    地毯图单独看信息有限，叠在密度曲线下沿就能看出样本在哪些区间扎堆，
    以及曲线外推区（尾部）是否有真实支撑。
    """
    fig, ax = new_fig(left=0.19, bottom=0.21)
    rng = np.random.default_rng(703)
    d = rng.normal(520, 78, 180)
    sns.kdeplot(x=d, fill=True, color=C5, alpha=0.45, lw=1.0, ax=ax)
    sns.rugplot(x=d, color=C1, height=0.10, lw=0.6, ax=ax)
    ax.set_xlabel("有功负荷 " + IT["P"] + " / kW")
    ax.set_ylabel("概率密度")
    ax.set_xlim(240, 820)
    save(fig, "07_地毯图", "07_地毯图_密度叠加落点")

def rg_04():
    """两测点电压采样对比：地毯图并排看偏置。"""
    fig, ax = new_fig(left=0.19, bottom=0.21)
    rng = np.random.default_rng(704)
    a = rng.normal(10.10, 0.10, 150)
    b = rng.normal(9.96, 0.15, 150)
    sns.rugplot(x=a, color=C1, height=0.34, lw=0.7, ax=ax)
    sns.rugplot(x=b, color=C3, height=-0.34, lw=0.7, ax=ax)
    ax.axhline(0, color=C4, lw=0.5)
    ax.set_yticks([])
    ax.set_xlabel("母线电压 " + IT["U"] + " / kV")
    ax.set_ylabel("上方 Ⅰ 段 / 下方 Ⅲ 段")
    ax.set_xlim(9.45, 10.45)
    ax.set_ylim(-0.6, 0.6)
    save(fig, "07_地毯图", "07_地毯图_双测点电压对比")

def rg_05():
    """故障时刻在地毯图上的聚集：看出高发时段。"""
    fig, ax = new_fig(left=0.19, bottom=0.21)
    rng = np.random.default_rng(705)
    peak = rng.normal(17, 2.4, 60)
    other = rng.uniform(0, 24, 55)
    h = np.concatenate([peak, other])
    sns.rugplot(x=h, color=C3, height=0.55, lw=0.8, ax=ax)
    ax.set_yticks([])
    ax.set_xlabel("故障发生时刻 " + IT["t"] + " / h")
    ax.set_ylabel("样本")
    ax.set_xlim(0, 24)
    save(fig, "07_地毯图", "07_地毯图_故障时刻聚集")

说明

• axes 级图 1181×944 px；figure 级多轴图按内容取 1100~1470 px 宽。
• 图内不放标题，图题由本文件的标题承担。
• 数据为 10 kV 配网、380 V 低压、50 Hz 量级的仿真算例，随机种子固定。