我们怎样才能得到一个情节箱线图背后的不同统计数据？

Posted 2023-02-18

【中文标题】我们怎样才能得到一个情节箱线图背后的不同统计数据？

【英文标题】：How can we get different stats behind a plotly boxplot?

【发布时间】：2021-08-31 20:10:37

【问题描述】：

我想得到一个情节箱线图背后的确切统计数据。

这似乎让我非常接近，但我错过了第一季度和第三季度。

stats = df.groupby(['Market'])['Revenue'].describe()
stats

Q1 和 Q3 似乎与我看到的不同。

import plotly.express as px
fig = px.box(df, x="Market", y="Revenue", color="Market")
fig.update_traces(quartilemethod="exclusive")
fig.update_layout(showlegend=False)
fig.show()

这与“排他性”或“包容性”论点有关，但我不知道有什么区别。此外，df.groupby(['Market'])['Revenue'].describe() 的默认值似乎与 'inclusive' 参数相匹配。

Q1：“独家”和“包容”有什么区别？

Q2：df.groupby(['Market'])['Revenue'].describe() 是否有“排他性”参数？

【问题讨论】：

如果您的分数很少，您会看到差异。似乎在这里解释：plotly.com/r/box-plots/…。 describe 肯定是默认使用linear 插值，因为它调用Series/DataFrame.quantile

有点道理，但我也看到了一些奇怪的地方，可能是因为奇数和偶数样本。好的。谢谢。

和你一样，我也上过耶鲁，但只住了一个学期，因为对我来说太贵了。成本刚刚超过收益。

【参考方案1】：

第一季度

我没有在 plotly 文档中找到描述，但可以公平地假设解释与 Percentile 差别不大：

在统计中，百分位数（或百分位数）是一个分数，低于该分数 频率分布中给定分数的百分比下降 （唯一定义）或分数等于或低于给定百分比 跌倒（包括定义）。例如，第 50 个百分位（ 中位数）是低于（不包括）或等于或低于 （含）分布中 50% 的分数都可以找到。

您可以在 plotly 文档中仔细查看Difference Between Quartile Algorithms 下差异的直观表示：

第二季度

不，df.describe() 似乎没有 exclusive 参数：

模块 pandas.core.generic 中描述方法的帮助：

描述（百分位数=无，包括=无，排除=无， datetime_is_numeric=False) -> ~FrameOrSeries 方法 pandas.core.frame.DataFrame 实例

如您所见，它确实有include 和exclude。但他们做的事情与你正在寻找的完全不同：

include : 'all'，类似于列表的 dtypes 或 None（默认），可选 要包含在结果中的数据类型白名单。忽略 为Series。以下是选项：

    - 'all' : All columns of the input will be included in the output.
    - A list-like of dtypes : Limits the results to the
      provided data types.
      To limit the result to numeric types submit
      ``numpy.number``. To limit it instead to object columns submit
      the ``numpy.object`` data type. Strings
      can also be used in the style of
      ``select_dtypes`` (e.g. ``df.describe(include=['O'])``). To
      select pandas categorical columns, use ``'category'``
    - None (default) : The result will include all numeric columns.

exclude : list-like of dtypes or None (default), optional,
    A black list of data types to omit from the result. Ignored
    for ``Series``. Here are the options:

    - A list-like of dtypes : Excludes the provided data types
      from the result. To exclude numeric types submit
      ``numpy.number``. To exclude object columns submit the data
      type ``numpy.object``. Strings can also be used in the style of
      ``select_dtypes`` (e.g. ``df.describe(include=['O'])``). To
      exclude pandas categorical columns, use ``'category'``
    - None (default) : The result will exclude nothing.

【讨论】：

看起来棒极了！感谢分享！

@ASH 并不多，但希望你在寻找什么！