将实际数据覆盖在来自 pandas 数据框的箱线图上
Posted
技术标签:
【中文标题】将实际数据覆盖在来自 pandas 数据框的箱线图上【英文标题】:Overlaying actual data on a boxplot from a pandas dataframe 【发布时间】:2014-05-27 00:13:45 【问题描述】:我正在使用 Seaborn 从 pandas 数据框制作箱线图。 Seaborn
boxplots 似乎基本上以与 pandas
boxplot
功能相同的方式读取数据帧(所以我希望两者的解决方案相同——但我也可以使用 dataframe.boxplot
函数)。我的数据框有 12 列,以下代码生成一个图,每列有一个箱线图(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)
任何人都可以提出一种简单的方法来覆盖所有值(按列),同时从数据框制作箱线图吗? 我将不胜感激这方面的任何帮助。
【问题讨论】:
【参考方案1】:这还没有被添加到seaborn.boxplot
函数中,但是seaborn.violinplot
函数中有类似的东西,它有other advantages:
x = np.random.randn(30, 6)
sns.violinplot(x, inner="points")
sns.despine(trim=True)
【讨论】:
【参考方案2】:整个数据框的箱线图的通用解决方案,它应该适用于seaborn
和pandas
,因为它们都是基于底层的matplotlib
,我将使用pandas
绘图作为示例,假设import matplotlib.pyplot as plt
已经到位。由于您已经拥有ax
,因此最好使用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')
对于数据框中的单个系列,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
上叠加内容,我们需要首先猜测每个框在xaxis
中的位置。他们似乎在1,2,3,4,....
。因此,对于第一列中的值,我们希望它们绘制在 x=1; x=2 处的第二列,依此类推。
任何有效的方法是使用np.repeat
,重复1,2,3,4...
,每次n
次,其中n
是观察次数。然后我们可以绘制一个图,使用这些数字作为x
坐标。由于它是一维的,对于y
坐标,我们需要一个扁平化的数据视图,由df.ravel()
提供
为了覆盖文本字符串,我们需要另一个步骤(循环)。因为我们一次只能绘制一个 x 值、一个 y 值和一个文本字符串。
【讨论】:
对不起,“实际值”这个词令人困惑。我的意思是一种覆盖在箱线图上的散点图 - 即用点代替数值。感谢您查看我的问题! 是的,那个令人困惑。见编辑。我会建议你使用一个合理的alpha
值,这样如果你有很多数据点,你可以更好地看到“云”。如果你想看起来花哨,考虑这个nbviewer.ipython.org/github/mgymrek/pybeeswarm/blob/master/…
是的,这很花哨。感谢@CT Zhu 的快速回复!这就像一个魅力。我不得不承认,我将不得不更多地盯着解决方案来了解你在那里做了什么。我需要更多的点来给你一个赞成票。
没问题,我又写了几行代码,这次用English
语言供你看。干杯!
@CTZhu 我想做一些与此非常相似的事情,但是我正在使用 dataframe.boxplot(by='column1') 这个分组似乎不适用于您的示例。你对此有什么建议吗?基本上我的箱线图是 xaxis df[column1], yaxis df[column2] 我想在它上面绘制散点图。但是将 xticks 设置为文本我很困惑。我能够找到箱线图设置的 xticks 和 xtick_labels。【参考方案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()
,你就搞定了。
df.groupby('Group').boxplot()
【讨论】:
以上是关于将实际数据覆盖在来自 pandas 数据框的箱线图上的主要内容,如果未能解决你的问题,请参考以下文章
同一图上 Pandas 数据框多列的箱线图(seaborn)