从Pandas数据框中叠加实际数据在箱线图上

Question

我正在使用Seaborn从pandas数据框绘制箱线图。Seaborn箱线图似乎与pandas的boxplot功能基本相同（因此我希望两者的解决方案是相同的，但我也可以使用dataframe.boxplot函数）。我的数据框有12列，以下代码会生成一个图，其中每个列都有一个箱线图（就像dataframe.boxplot()函数一样）。

fig, ax = plt.subplots()
sns.set_style("darkgrid", {"axes.facecolor":"darkgrey"})
pal = sns.color_palette("husl",12)
sns.boxplot(dataframe, color = pal)

有人能建议一种简单的方法，在制作数据框的箱线图时，叠加所有值（按列）吗？ 我将感激任何帮助。

- geog_newbie

Answer 1

目前，seaborn.boxplot函数还没有添加这个功能，但在seaborn.violinplot函数中有类似的功能，并且具有其他优点：

x = np.random.randn(30, 6)
sns.violinplot(x, inner="points")
sns.despine(trim=True)

- mwaskom

Answer 2

针对整个数据框的箱线图，应适用于seaborn和pandas，因为它们都基于matplotlib，我将使用pandas绘图作为示例，假设已经放置了import matplotlib.pyplot as plt。由于您已经拥有了ax，最好使用ax.text(...)而不是plt.text(...)

In [35]:    
print df
         V1        V2        V3        V4        V5
0  0.895739  0.850580  0.307908  0.917853  0.047017
1  0.931968  0.284934  0.335696  0.153758  0.898149
2  0.405657  0.472525  0.958116  0.859716  0.067340
3  0.843003  0.224331  0.301219  0.000170  0.229840
4  0.634489  0.905062  0.857495  0.246697  0.983037
5  0.573692  0.951600  0.023633  0.292816  0.243963

[6 rows x 5 columns]

In [34]:    
df.boxplot()
for x, y, s in zip(np.repeat(np.arange(df.shape[1])+1, df.shape[0]), 
                   df.values.ravel(), df.values.astype('|S5').ravel()):
    plt.text(x,y,s,ha='center',va='center')

对于数据帧中的单个系列，需要进行一些小的更改：

In [35]:    
sub_df=df.V1
pd.DataFrame(sub_df).boxplot()
for x, y, s in zip(np.repeat(1, df.shape[0]), 
                   sub_df.ravel(), sub_df.values.astype('|S5').ravel()):
    plt.text(x,y,s,ha='center',va='center')

制作散点图也类似：

#for the whole thing
df.boxplot()
plt.scatter(np.repeat(np.arange(df.shape[1])+1, df.shape[0]), df.values.ravel(), marker='+', alpha=0.5)
#for just one column
sub_df=df.V1
pd.DataFrame(sub_df).boxplot()
plt.scatter(np.repeat(1, df.shape[0]), sub_df.ravel(), marker='+', alpha=0.5)

要在 boxplot 上叠加东西，我们需要首先猜测每个箱子在 xaxis 中的绘制位置。它们似乎是在 1,2,3,4,... 上显示的。因此，对于第一列中的值，我们希望它们在 x=1 位置绘制；第二列在 x=2 位置绘制，以此类推。

任何有效的方法都可以使用 np.repeat 来完成，重复 1,2,3,4...，每个重复 n 次，其中 n 是观察次数。然后，我们可以绘制一个图形，使用这些数字作为x坐标。由于它是一维的，所以对于 y 坐标，我们将需要数据的展平视图，由df.ravel() 提供。

对于叠加文本字符串，我们需要进行另一步操作（即循环）。因为我们只能一次绘制一个 x 值、一个 y 值和一个文本字符串。

- CT Zhu

---

很抱歉，“实际值”这个词有些令人困惑。我的意思是在箱线图上叠加一种散点图——即用点代替数值。感谢您查看我的问题！ - geog_newbie

嗯，那个确实有些令人困惑。看看编辑部分。我建议您使用合理的“alpha”值，这样如果您有很多数据点，就可以更好地看到“云”。如果您想要更加高级的效果，请考虑使用此链接：http://nbviewer.ipython.org/github/mgymrek/pybeeswarm/blob/master/beeswarm_example.ipynb?create=1 - CT Zhu

是的，那很棒。感谢您的快速回复，@CT Zhu！它像魔法一样运行。我必须承认，我需要再看一下解决方案才能理解你做了什么...我需要再得到几个点才能给你点赞。 - geog_newbie

没问题，我已经写了几行代码，这次是用英语写的，供你观看。干杯！ - CT Zhu

@CTZhu 我想做与此非常相似的事情，但我正在使用 dataframe.boxplot(by='column1') 进行分组，这似乎与您的示例不兼容。您有什么建议吗？我的箱线图是 x 轴 df[column1]，y 轴 df[column2]，我想在其上绘制散点图。但由于 xticks 设置为文本，我感到困惑。我能够找到 boxplot 设置的 xticks 和 xtick_labels。 - CRogers

Answer 3

我有以下技巧：

data = np.random.randn(6,5)

df = pd.DataFrame(data,columns = list('ABCDE'))

Now assign a dummy column to df:
df['Group'] = 'A'

print df

          A         B         C         D         E Group
0  0.590600  0.226287  1.552091 -1.722084  0.459262     A
1  0.369391 -0.037151  0.136172 -0.772484  1.143328     A
2  1.147314 -0.883715 -0.444182 -1.294227  1.503786     A
3 -0.721351  0.358747  0.323395  0.165267 -1.412939     A
4 -1.757362 -0.271141  0.881554  1.229962  2.526487     A
5 -0.006882  1.503691  0.587047  0.142334  0.516781     A

使用 df.groupby.boxplot()，你就可以完成它。

df.groupby('Group').boxplot()

- HP Peng