小提琴图：箱线图看不到的密度分布

Michael阿明2026-08-25 16:05

箱线图 能看中位数、Q1、Q3 和离群点，但它看不到一个重要信息：

数据到底集中在哪些区域？

小提琴图（Violin Plot）把 箱线图 与 核密度分布 结合起来，可以直接看到数据分布的"形状"。

图表达什么？

下面比较三组 LLM 推理服务的 TTFT：

小提琴图中：

越宽的位置：说明该 TTFT 附近的请求越多；
越窄的位置：说明该区域请求较少；
中间横线：表示中位数；
上下延伸部分：反映数据的整体范围和尾部。

图中可以看到：

vLLM 的主要请求集中在约 1.2～1.7 秒；
SGLang 整体分布更靠下；
Optimized 分布最集中，典型 TTFT 更低；
vLLM 和 SGLang 上方都存在较长的尾部，说明仍有少量慢请求。

这正是小提琴图相比箱线图的优势：

不仅知道"中心在哪"，还知道"数据是怎么分布的"。

核心代码

cpp 复制代码

fig, ax = plt.subplots(
    figsize=(9, 6)
)

ax.violinplot(
    [
        df["vLLM"],
        df["SGLang"],
        df["Optimized"]
    ],
    positions=[1, 2, 3],

    # 不显示均值
    showmeans=False,

    # 显示中位数
    showmedians=True,

    # 显示最大最小范围
    showextrema=True
)

一句话总结

小提琴图通过宽度展示数据密度，比箱线图更直观地揭示数据的集中区域、偏态和长尾结构。