如何利用 CSV 或 Excel 数据绘制小提琴图

第一步：明确您的对比需求

打开 小提琴图在线生成器。如果您只想观察单一指标的分布情况，可以从单组小提琴图开始；若要对比不同的处理组、临床队列、组织类型、时间点或实验条件，则应选择多组/分组小提琴图。只有当两个亚组共享同一个有实际意义的分类，且直接进行左右半边对比有助于阐明科学问题时，才推荐使用分裂式小提琴图（Split Violin Plot）。

第二步：上传 CSV 或 Excel 数据

系统支持上传 CSV、TSV、TXT、XLSX 或 XLS 格式的文件。如果使用 Excel 文件，系统会自动读取第一个工作表（Worksheet）。上传前，请务必清除数据表中的合并单元格、总计行、批注说明以及装饰性的表头。对于缺失值，请保持单元格空白，切勿将其填充为零。

第三步：生成并核对图表

图表生成后，请仔细检查所有实验分组是否完整呈现，且绘制的数值范围是否与原始数据一致。小提琴最宽的部分代表该数值区间的概率密度最高；而狭窄的尾部则表示该区间内的观测值较少，这并不直接等同于存在某种罕见的生物学亚群。

如果您的学术结论依赖于曲线上的某个转折平台（Shoulder）、次级峰（Secondary Peak）或长尾分布，请务必将小提琴图与原始散点进行对比，因为带宽的微小变动都可能会显著改变这些视觉特征。

第四步：添加原始数据点与统计摘要

点击进入 SciVis 编辑器，您可以为图表添加抖动散点（Jittered Points）、内部箱线图、中位数标记或简洁的学术标注。对于样本量较小或分布不均的数据组，叠加原始散点尤为重要，因为它们能直观地向同行评审展示样本量大小和真实的聚集趋势。

在配色上，色彩应服务于区分不同的实验分组，而非单纯为了美观。适当调整图层透明度，既要保证小提琴的外轮廓清晰可辨，又要确保重叠的散点能够被看清。如果您的实验设计是配对样本，请使用 配对散点图生成器（Paired Dot Plot Maker），避免使用暗示样本独立的小提琴图。

如何解读小提琴图

建议由表及里地阅读小提琴图：

1. 比较各组中位数或核心数据密集区的位置。
2. 在统一的坐标刻度下，对比各组数据的波动范围（Spread）和尾部特征。
3. 观察是否存在偏态（Skew）或多个高密度区域（多峰分布）。
4. 结合原始观测散点的数量和分布位置进行辅助判断。
5. 任何统计学结论都应基于严谨的假设检验，而不能仅凭图形轮廓的主观判断。

请记住，小提琴图属于描述性统计图表。它本身无法代替显著性检验，也无法直接证明数据符合正态分布。

小提琴图、箱线图还是密度图？

• 小提琴图： 适合在并排对比多个分组分布形态的同时，展示紧凑的统计摘要。
• 箱线图（Box Plot）： 当您更关注四分位数和异常值，而非精细的密度曲线时，箱线图是更好的选择。
• 密度图（Density Plot）： 当需要通过多条平滑曲线的重叠对比来展现分布差异时，密度图视觉效果更佳。
• 蜂群图（Beeswarm Plot）： 当您希望在不进行任何密度估计的前提下，让每一个原始观测值都清晰可见时，请使用蜂群图。

常见问题

不懂 Python 或 R 语言，也能画小提琴图吗？

当然可以。您只需将准备好的数据文件上传至 小提琴图在线生成器，一键生成图表后，即可在 SciVis 界面中进行可视化编辑，全程无需编写任何代码。

每个小提琴图至少需要多少个数据点？

学术界并没有绝对的硬性标准。但由于样本量较小时核密度估计会变得极不稳定，因此在数据较少时，务必叠加原始散点，并避免过度解读曲线上细微的起伏变化。

各组的样本量大小不一致，可以画在同一张图上吗？

可以，但建议在图表中注明或在正文中报告各组的具体样本量（Sample Size）。因为标准的小提琴图默认会将各组的最大宽度归一化，无法直接反映出各组样本量的多寡。

小提琴图上出现双峰，就能证明数据呈双峰分布吗？

不能。平滑带宽的选择和样本量的大小都会人为导致“假双峰”的出现。在做出双峰分布的科学结论前，请务必查看原始散点分布，并进行相应的统计学检验或结合专业背景深入分析。

开始绘制

立即使用 小提琴图在线生成器 导入您的数据，对照原始数值验证密度曲线。如果您还在纠结如何选择最适合的图表类型，可以参考我们的 科研数据可视化指南。