在本文中，我们将向您展示如何使用Highcharts创建交互式小提琴图。
我们首先描述小提琴图。然后，我们将引导您完成代码。
下面演示2012年奥运会男和女运动员的体重以下学科：跆拳道，赛艇，铁人三项，击剑。小提琴图可以直观直观地可视化每个学科的分布形状和概率密度（运动员的体重）：
从上面的图表中，借助小提琴类型图，我们可以轻松地在同一学科的男性和女性中找到相似的模式。与其他学科相比，男女铁人三项运动员的密度，体重形状均表现出较小的变异性。男女跆拳道运动员分布广泛，有多个集群。
已经知道了图片，小提琴图是显示和比较数据集密度分布的最佳图表。
现在，该探讨代码部分了。
该代码分为两个主要部分：
- 处理小提琴数据。
- 创建图表。
处理小提琴数据
该功能（请查看GitHub链接）是小提琴情节的核心。该函数围绕内核密度估计（KDE）构建。基本上，小提琴图是KDE，其负片彼此相对显示。该函数获取数据集（在我们的情况下为运动员的体重）以及一些其他参数，然后生成密度形状和描述性统计量度：这是函数参数的描述：
function processViolin(step, precision, densityWidth, ...args) { processViolin(step, precision, densityWidth, ...args) { …… return {return { xiData,, results,, stat };}; }}
step是最小数据集单位。该步骤用于对数据集进行采样并创建KDE。
- 精度用于细化末端和细点处的小提琴图，此参数越小，表示您在末端和图表上的细点处获得的点越多。
- densityWidth用于加宽小提琴。此参数应等于1以反映KDE值的结果。但是，出于可见性目的，您可以自由更改，densityWidth以获取更宽的可见形状。
- args是一个或多个表示数据集的数组。在我们的案例中，args是四组重量级运动员，每个学科一组。
因此，您可能想知道，它在实践中如何工作？好吧，这是它的样子：
let step = 1, precision = 0.00000000001, width = 3; let data = processViolin(step, precision, width, rowing, taekwondo, triathlon, fencing);
让数据= processViolin（步长，精度，宽度，划船，跆拳道，铁人三项，击剑）；
请注意所返回的数据processViolin()。data是一组三个数组：
- xiData是使用运动员体重数据的步长和范围生成的xAxis数据。
- results包括所有小提琴图数据。
- stat是具有所有描述性统计系数的数组。
一旦有了该processViolin()功能，就可以为每个系列生成小提琴数据，下一步就是渲染数据。
创建图表
图表创建非常简单。系列的类型是areasplinerange; 这种图表类型允许我们使用一个范围来获得小提琴的形状。该范围是正和负KDE值的计算结果。该选项inverted: true有助于使小提琴图垂直而不是水平：
chart: { type: "areasplinerange", inverted: true, animation: true }
为确保仅显示所需数量的类别，请确保使用以下代码限制该数量，其中最小和最大选项具有确切数量的类别范围，在我们的示例中为四个：“滚动”，“ “跆拳道”，“铁人三项”和“击剑”。
yAxis: { .. min: 0, max: data.results.length - 1, ... },
获得正确的小提琴形状的最后一招是摆脱标记。否则，您将在每个系列的外部行周围都带有符号：
plotOptions: { series: { marker: { enabled: false }, ... },
到目前为止，小提琴排行榜看起来很棒。不过，为了更加清晰起见，我们可以添加一些描述性统计系数，例如中位数（红点），最大值（蓝点），最小值（蓝点），第一个四分位数（黑点）和第三个四分位数（黑点）：
好消息是，实现上述图表所需的所有数据已在stat数组中提供。我们要做的就是构造信息，然后使用折线图呈现它：
stat.forEach((e, i) => { statData.push([]); statData[i].push( { x: stat[i][0], y: i, name: "Min", marker: { fillColor: mColor } }, { y: i, x: stat[i][1], name: "Q1", marker: { fillColor: qColor, radius: 4 } }, { y: i, x: stat[i][2], name: "Median", marker: { fillColor: medianColor, radius: 5 } }, { y: i, x: stat[i][3], name: "Q3", marker: { fillColor: qColor, radius: 4 } }, { y: i, x: stat[i][4], name: "Max", marker: { fillColor: mColor } } ); }); let statCoef = []; for (col = 0; col < 5; col++) { statCoef.push([]); for (line = 0; line < chartsNbr; line++) { statCoef[col].push([(x = stat[line][col]), (y = line)]); } }
小提琴图表是一种方便的工具，可以直观地显示数据分布和概率密度。我们鼓励您在直方图和箱形图之外的项目中使用小提琴图类型，因为这些图类型中的每一种都揭示了您的数据秘密。
