如何在hvplot/HoloViews中创建交互式QQ图？是否有对应功能？

HoloViews和hvplot本身没有内置原生的QQ图工具，但可以结合scipy.stats的统计计算能力，手动实现交互式QQ图，完全满足你统一使用同一Python库的需求。

实现步骤与代码示例 #

1. 导入依赖库
   确保已安装hvplot、holoviews、scipy和pandas，然后导入：

   import numpy as np
   import pandas as pd
   import hvplot.pandas
   import holoviews as hv
   from scipy import stats
   hv.extension('bokeh')  # 启用Bokeh后端以获得交互功能
   

2. 准备/导入样本数据
   这里用正态分布数据做示例，可替换为你的真实数据集：

   np.random.seed(42)
   sample_data = np.random.normal(loc=0, scale=1, size=1000)
   df = pd.DataFrame({'sample': sample_data})
   

3. 计算QQ图所需分位数
   利用scipy.stats计算理论分布分位数和样本分位数：

   # 生成排序后的样本分位数
   sample_quantiles = np.sort(df['sample'])
   # 生成对应理论分布的分位数（这里用正态分布，可替换为其他分布）
   theoretical_quantiles = stats.norm.ppf(np.linspace(0.01, 0.99, len(sample_quantiles)))
   # 整理成DataFrame方便hvplot调用
   df_qq = pd.DataFrame({
       'Theoretical Quantiles': theoretical_quantiles,
       'Sample Quantiles': sample_quantiles
   })
   

4. 绘制交互式QQ图
   用hvplot绘制散点图，并添加y=x参考线增强可读性：

   # 绘制交互式散点图，支持悬停查看数值
   qq_scatter = df_qq.hvplot.scatter(
       x='Theoretical Quantiles',
       y='Sample Quantiles',
       title='Interactive Normal Q-Q Plot',
       hover_cols=['Theoretical Quantiles', 'Sample Quantiles'],
       width=600,
       height=400
   )
   # 添加y=x参考线
   reference_line = hv.Curve([(-4, -4), (4, 4)]).opts(
       color='red',
       line_dash='dashed',
       label='y=x Reference'
   )
   # 组合图形并显示
   interactive_qq_plot = qq_scatter * reference_line
   interactive_qq_plot
   

自定义扩展 #

• 若需适配其他分布（如t分布、泊松分布），只需将stats.norm替换为对应分布即可，例如t分布：stats.t(df=5)
• 可通过hvplot参数调整图形样式，比如点的颜色、大小，标题字体等
• 生成的图支持Bokeh的所有交互功能：缩放、平移、悬停详情、图例切换等

内容的提问来源于stack exchange，提问作者CountDOOKU