12 小提琴图 violinplot

12　小提琴图 violinplot

这类图是什么

核密度镜像成小提琴，inner 可内嵌箱线或四分位。

看什么：比箱线多看到峰数、偏斜与尾部厚度。

5 个案例

12-1　各月光伏出力的小提琴：seaborn 版可内嵌箱线

12-2　各馈线电流小提琴：轮廓宽度即密度

12-3　四季风速小提琴：尾部厚度可见

12-4　四种调度策略的效率分布

12-5　三相电压不平衡度的分布对比

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 vi_01():
    """各月光伏出力的小提琴：seaborn 版可内嵌箱线。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(1201)
    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, 150), "月份": m}))
    df = pd.concat(rows, ignore_index=True)
    sns.violinplot(data=df, x="月份", y="出力", hue="月份", palette=PALETTE4,
                   inner="box", linewidth=0.5, width=0.78, legend=False, ax=ax,
                   saturation=0.85)
    ax.set_xlabel("月份")
    ax.set_ylabel("日均出力 " + IT["P"] + " / kW")
    ax.set_ylim(-60, 780)
    save(fig, "12_小提琴图", "12_小提琴图_各月光伏出力")

def vi_02():
    """各馈线电流小提琴：轮廓宽度即密度。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(1202)
    rows = []
    for fd, k, th in [("L1", 9, 32), ("L2", 11, 26), ("L3", 8, 46), ("L4", 13, 22)]:
        rows.append(pd.DataFrame({"电流": rng.gamma(k, th, 150), "馈线": fd}))
    df = pd.concat(rows, ignore_index=True)
    sns.violinplot(data=df, x="馈线", y="电流", hue="馈线", palette=PALETTE4,
                   inner="quartile", linewidth=0.5, width=0.78, legend=False,
                   ax=ax, saturation=0.85)
    ax.set_xlabel("馈线")
    ax.set_ylabel("电流有效值 " + IT["I"] + " / A")
    ax.set_ylim(0, 620)
    save(fig, "12_小提琴图", "12_小提琴图_各馈线电流")

def vi_03():
    """四季风速小提琴：尾部厚度可见。"""
    fig, ax = new_fig(left=0.19)
    rng = np.random.default_rng(1203)
    rows = []
    for s, k, lam in [("春季", 2.4, 9.2), ("夏季", 1.9, 6.8),
                      ("秋季", 2.2, 7.6), ("冬季", 2.7, 10.4)]:
        rows.append(pd.DataFrame({"风速": lam * rng.weibull(k, 200), "季节": s}))
    df = pd.concat(rows, ignore_index=True)
    sns.violinplot(data=df, x="季节", y="风速", hue="季节", palette=PALETTE4,
                   inner="box", linewidth=0.5, width=0.78, legend=False, ax=ax,
                   saturation=0.85)
    ax.set_xlabel("季节")
    ax.set_ylabel("风速 " + IT["v"] + " / (m/s)")
    ax.set_ylim(0, 28)
    save(fig, "12_小提琴图", "12_小提琴图_四季风速")

def vi_04():
    """四种调度策略的效率分布。"""
    fig, ax = new_fig(left=0.21)
    rng = np.random.default_rng(1204)
    rows = []
    for p, mu, sd in [("策略一", 0.860, 0.022), ("策略二", 0.890, 0.018),
                      ("策略三", 0.910, 0.015), ("策略四", 0.920, 0.012)]:
        rows.append(pd.DataFrame({"效率": rng.normal(mu, sd, 160), "策略": p}))
    df = pd.concat(rows, ignore_index=True)
    sns.violinplot(data=df, x="策略", y="效率", hue="策略", palette=PALETTE4,
                   inner="box", linewidth=0.5, width=0.75, legend=False, ax=ax,
                   saturation=0.85)
    ax.set_xlabel("调度策略")
    ax.set_ylabel("综合效率 " + IT["eta"])
    ax.set_ylim(0.80, 0.96)
    save(fig, "12_小提琴图", "12_小提琴图_各策略效率")

def vi_05():
    """三相电压不平衡度的分布对比。"""
    fig, ax = new_fig(left=0.20)
    rng = np.random.default_rng(1205)
    rows = []
    for n, k, th in [("节点 A", 5.5, 0.42), ("节点 B", 7.2, 0.36), ("节点 C", 4.4, 0.50)]:
        rows.append(pd.DataFrame({"不平衡度": rng.gamma(k, th, 180), "节点": n}))
    df = pd.concat(rows, ignore_index=True)
    sns.violinplot(data=df, x="节点", y="不平衡度", hue="节点", palette=PALETTE3,
                   inner="box", linewidth=0.5, width=0.72, legend=False, ax=ax,
                   saturation=0.85)
    ax.axhline(2.0, color=C2, lw=0.8, ls="--")
    ax.set_xlabel("监测节点")
    ax.set_ylabel("电压不平衡度 / %")
    ax.set_ylim(0, 12)
    save(fig, "12_小提琴图", "12_小提琴图_三相不平衡度")

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。