09 条带图 stripplot

09　条带图 stripplot

这类图是什么

类别轴上的散点，jitter 控制横向抖动。

看什么：样本少时展示每个点的位置，比箱线更保留原始信息。

5 个案例

09-1　四季负荷率的条带散点：每个样本一个点

09-2　各馈线电流的条带图：叠加均值横线

09-3　两种控制策略的效果对比条带图

09-4　分时段电压偏差条带：看离散范围

09-5　各月光伏出力的条带图：按月份分组着色

代码

5 个函数取自 code/第三批_类别图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/第三批_类别图261107.py

def st_01():
    """四季负荷率的条带散点：每个样本一个点。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(901)
    rows = []
    for s, mu in [("春季", 0.72), ("夏季", 0.83), ("秋季", 0.77), ("冬季", 0.75)]:
        rows.append(pd.DataFrame({"负荷率": rng.normal(mu, 0.055, 40), "季节": s}))
    df = pd.concat(rows, ignore_index=True)
    sns.stripplot(data=df, x="季节", y="负荷率", hue="季节", palette=PALETTE5,
                  jitter=0.22, size=3.2, edgecolor="white", linewidth=0.3,
                  legend=False, ax=ax)
    ax.set_xlabel("季节")
    ax.set_ylabel("日负荷率")
    ax.set_ylim(0.55, 1.00)
    save(fig, "09_条带图", "09_条带图_四季负荷率")

def st_02():
    """各馈线电流的条带图：叠加均值横线。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(902)
    rows = []
    for fd, mu in [("L1", 290), ("L2", 360), ("L3", 410), ("L4", 250)]:
        rows.append(pd.DataFrame({"电流": rng.gamma(9, mu / 9, 45), "馈线": fd}))
    df = pd.concat(rows, ignore_index=True)
    sns.stripplot(data=df, x="馈线", y="电流", hue="馈线", palette=PALETTE4,
                  jitter=0.2, size=3.0, edgecolor="white", linewidth=0.3,
                  legend=False, ax=ax)
    sns.pointplot(data=df, x="馈线", y="电流", color=C4, errorbar=None,
                  markers="D", ms=4, lw=0, ax=ax, legend=False)
    ax.set_xlabel("馈线")
    ax.set_ylabel("电流有效值 " + IT["I"] + " / A")
    ax.set_ylim(150, 560)
    save(fig, "09_条带图", "09_条带图_各馈线电流")

def st_03():
    """两种控制策略的效果对比条带图。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(903)
    rows = []
    for p, mu, sd in [("策略 A", 0.842, 0.018), ("策略 B", 0.918, 0.012)]:
        rows.append(pd.DataFrame({"效率": rng.normal(mu, sd, 38), "策略": p}))
    df = pd.concat(rows, ignore_index=True)
    sns.stripplot(data=df, x="策略", y="效率", hue="策略", palette=[C5, C1],
                  jitter=0.18, size=3.6, edgecolor="white", linewidth=0.3,
                  legend=False, ax=ax)
    ax.set_xlabel("控制策略")
    ax.set_ylabel("系统综合效率 " + IT["eta"])
    ax.set_ylim(0.79, 0.96)
    save(fig, "09_条带图", "09_条带图_两策略效果")

def st_04():
    """分时段电压偏差条带：看离散范围。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(904)
    rows = []
    for seg, mu, sd in [("0-4", 0.4, 1.6), ("8-12", 1.2, 2.4),
                        ("16-20", 2.1, 3.0), ("20-24", 0.9, 2.0)]:
        rows.append(pd.DataFrame({"偏差": rng.normal(mu, sd, 42), "时段": seg}))
    df = pd.concat(rows, ignore_index=True)
    sns.stripplot(data=df, x="时段", y="偏差", hue="时段", palette=PALETTE4,
                  jitter=0.2, size=3.2, edgecolor="white", linewidth=0.3,
                  legend=False, ax=ax)
    ax.axhline(7, color=C2, lw=0.7, ls="--")
    ax.axhline(-7, color=C2, lw=0.7, ls=":")
    ax.set_xlabel("时段 / h")
    ax.set_ylabel("电压偏差 / %")
    ax.set_ylim(-9, 11)
    save(fig, "09_条带图", "09_条带图_分时段电压偏差")

def st_05():
    """各月光伏出力的条带图：按月份分组着色。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(905)
    rows = []
    for m, mu in [("1 月", 210), ("4 月", 396), ("7 月", 486), ("10 月", 320)]:
        rows.append(pd.DataFrame({"出力": rng.normal(mu, mu * 0.16, 40), "月份": m}))
    df = pd.concat(rows, ignore_index=True)
    sns.stripplot(data=df, x="月份", y="出力", hue="月份", palette=PALETTE4,
                  jitter=0.2, size=3.2, edgecolor="white", linewidth=0.3,
                  legend=False, ax=ax)
    ax.set_xlabel("月份")
    ax.set_ylabel("日均出力 " + IT["P"] + " / kW")
    ax.set_ylim(0, 760)
    save(fig, "09_条带图", "09_条带图_各月光伏出力")

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。