在直方图的相对分组上叠加箱线图。

Question

以数据集“tip”为例，我试图表示变量“total_bill”的分布，并将其各个区间与相应关联的变量“tip”的分布联系起来。在这个例子中，这张图旨在回答问题：“顾客支付账单后留下的小费分布如何？”

我已经达到了我想获得的图表（但有一个问题，在最后我会解释一下）。我采取的步骤是：

1. Dividing 'total_bill' into bins.

   tips['bins_total_bill'] = pd.cut(tips.total_bill, 10)
   tips.head()
   

   total_bill	tip	smoker	day	time	size	bins_total_bill
   16.99	1.01	No	Sun	Dinner	2	(12.618, 17.392]
   10.34	1.66	No	Sun	Dinner	3	(7.844, 12.618]
   21.01	3.50	No	Sun	Dinner	3	(17.392, 22.166]
   23.68	3.31	No	Sun	Dinner	2	(22.166, 26.94]
   24.59	3.61	No	Sun	Dinner	4	(22.166, 26.94]

2. Creation of a pd.Series with:
   Index: pd.interval of total_cost bins
   Values: n° of occurrences

   s = tips['bins_total_bill'].value_counts(sort=False)
   s
   

(3.022, 7.844]       7
(7.844, 12.618]     42
(12.618, 17.392]    68
(17.392, 22.166]    51
(22.166, 26.94]     31
(26.94, 31.714]     19
(31.714, 36.488]    12
(36.488, 41.262]     7
(41.262, 46.036]     3
(46.036, 50.81]      4
Name: bins_total_bill, dtype: int64

3. Combine barplot and poxplot together

   fig, ax1 = plt.subplots(dpi=200)
   ax2 = ax1.twinx()
   
   sns.barplot(ax=ax1, x = s.index, y = s.values)
   sns.boxplot(ax=ax2, x='bins_total_bill', y='tip', data=tips)
   sns.stripplot(ax=ax2, x='bins_total_bill', y='tip', data=tips, size=5, color="yellow", edgecolor='red', linewidth=0.3)
   
   #Title and axis labels
   ax1.tick_params(axis='x', rotation=90)
   ax1.set_ylabel('Number of bills')
   ax2.set_ylabel('Tips [$]')
   ax1.set_xlabel("Mid value of total_bill bins [$]")
   ax1.set_title("Tips ~ Total_bill distribution")
   
   #Reference lines average(tip) + add yticks + Legend
   avg_tip = np.mean(tips.tip)
   ax2.axhline(y=avg_tip, color='red', linestyle="--", label="avg tip")
   ax2.set_yticks(list(ax2.get_yticks() + avg_tip))
   ax2.legend(loc='best')
   
   #Set labels axis x
   ax1.set_xticklabels(list(map(lambda s: round(s.mid,2), s.index)))
   

   

不得不说，这个图表存在问题！由于 x 轴是分类的，例如我不能在 "total_bill" 的平均值处添加一条垂直线。

我该如何修复以获得正确的结果？我也想知道是否有比我采用的方法更正确和更简化的方法。

- pofferbacco

---

x轴不是线性的，所以即使您将垂直线放在某个位置，它也不会告诉您太多信息（如果它在比例尺上介于15和19.78之间意味着什么）- 也许可以突出显示包含平均值的箱子？ - Daniel Wlazło

我的意思是，这是可行的 - 你应该考虑相邻x轴刻度的相对位置，然后基于此计算坐标轴上平均值的相对位置，并使用https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.axvline.html进行绘制。 但这并不能帮助我们更好地理解数据。 - Daniel Wlazło

@DanielWlazło - 我完全同意你的说法！为了理解数据，强调箱子已经足够了。 我提到的问题不在于理解数据，而是熟悉可视化库。非常感谢您的回复！ - pofferbacco

Answer 1

我想到了这种方法，比之前的更简洁（可能还可以更好），并且解决了在x轴上缩放的问题。

1. I split 'total_bill' into bins and add the column to Df

   tips['bins_total_bill'] = pd.cut(tips.total_bill, 10)
   

2. Group column 'tip' by previously created bins

   obj_gby_tips = tips.groupby('bins_total_bill')['tip']
   gby_tip = dict(list(obj_gby_tips))
   

3. Create dictionary with:
   keys: midpoint of each bins interval
   values: gby tips for each interval

   mid_total_bill_bins = list(map(lambda bins: bins.mid, list(gby_tip.keys())))
   gby_tips = gby_tip.values()
   
   tip_gby_total_bill_bins = dict(zip(mid_total_bill_bins, gby_tips))
   

4. Create chart by passing to each rectangle of the boxplot the centroid of each respective bins

   fig, ax1 = plt.subplots(dpi=200)
   ax2 = ax1.twinx()
   
   bp_values = list(tip_gby_total_bill_bins.values())
   bp_pos = list(tip_gby_total_bill_bins.keys())
   
   l1 = sns.histplot(tips.total_bill, bins=10, ax=ax1)
   l2 = ax2.boxplot(bp_values, positions=bp_pos, manage_ticks=False, patch_artist=True, widths=2)
   
   #Average tips as hline
   avg_tip = np.mean(tips.tip)
   ax2.axhline(y=avg_tip, color='red', linestyle="--", label="avg tip")
   ax2.set_yticks(list(ax2.get_yticks() + avg_tip)) #add value of avg(tip) to y-axis
   
   #Average total_bill as vline
   avg_total_bill=np.mean(tips.total_bill)
   ax1.axvline(x=avg_total_bill, color='orange', linestyle="--", label="avg tot_bill")
   

然后是结果。

- pofferbacco