如何按中值对熊猫中的箱线图进行排序?
Posted
技术标签:
【中文标题】如何按中值对熊猫中的箱线图进行排序?【英文标题】:How can I sort a boxplot in pandas by the median values? 【发布时间】:2014-03-21 16:20:41 【问题描述】:我想按类别X
和Y
在数据框df
中绘制列Z
的箱线图。如何按中位数对箱线图进行降序排序?
import pandas as pd
import random
n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame("X": [random.choice(["A","B","C"]) for i in range(n)],
"Y": [random.choice(["a","b","c"]) for i in range(n)],
"Z": [random.gauss(0,1) for i in range(n)])
df.boxplot(column="Z", by=["X", "Y"])
请注意,this question 非常相似,但它们使用不同的数据结构。我对 pandas 比较陌生(并且一般只做过一些关于 python 的教程),所以我不知道如何使我的数据与那里发布的答案一起工作。这可能更像是一个重塑而不是一个绘图问题。也许有使用groupby
的解决方案?
【问题讨论】:
【参考方案1】:您可以使用How to sort a boxplot by the median values in pandas 中的答案,但首先您需要对数据进行分组并创建一个新的数据框:
import pandas as pd
import random
import matplotlib.pyplot as plt
n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame("X": [random.choice(["A","B","C"]) for i in range(n)],
"Y": [random.choice(["a","b","c"]) for i in range(n)],
"Z": [random.gauss(0,1) for i in range(n)])
grouped = df.groupby(["X", "Y"])
df2 = pd.DataFrame(col:vals['Z'] for col,vals in grouped)
meds = df2.median()
meds.sort_values(ascending=False, inplace=True)
df2 = df2[meds.index]
df2.boxplot()
plt.show()
【讨论】:
我必须更改:meds.sort(ascending=False)
到 meds.sort_values(ascending=False, inplace=True)
才能完成这项工作(Pandas 0.20.1、Python 3.6.1、Windows 8)。
@StephenMcAteer 感谢您的提示。我没有使用最新版本的 Pandas,因此请随时编辑答案并为未来用户添加您的答案版本。
当中位数相同时,有没有办法进行备份排序?例如,如果两个中位数相同,则按其中一个四分位数排序。【参考方案2】:
在函数形式中类似于 answer 以提高可移植性
import pandas as pd
def boxplot_sorted(df, by, column):
df2 = pd.DataFrame(col:vals[column] for col, vals in df.groupby(by))
meds = df2.median().sort_values()
df2[meds.index].boxplot(rot=90)
boxplot_sorted(df, by=["X", "Y"], column="Z")
【讨论】:
【参考方案3】:回答标题中的问题,而不涉及绘制两个分类变量的所有组合的额外细节:
n = 100
df = pd.DataFrame("Category": [np.random.choice(["A","B","C","D"]) for i in range(n)],
"Variable": [np.random.normal(0, 10) for i in range(n)])
grouped = df.loc[:,['Category', 'Variable']] \
.groupby(['Category']) \
.median() \
.sort_values(by='Variable')
sns.boxplot(x=df.Category, y=df.Variable, order=grouped.index)
我添加了这个解决方案,因为很难将接受的答案减少到单个变量,我相信人们正在寻找一种方法来做到这一点。我自己多次来这个问题寻找这样的答案。
【讨论】:
与您的最小示例有一些不一致(第一个 'Category 后缺少 ',在分组和绘图。但它背后的整体想法对我的 seaborn 驱动的应用程序很有用。 @ChristianKarcher 感谢您指出这些事情。这就是我不复制和粘贴的结果。【参考方案4】:我遵循了公认的答案,但是当我想覆盖使用另一个 y 轴(即ax.twinx()
)的第二个图时遇到了麻烦。问题是第二个图的 x 轴覆盖了排序顺序。
我最终只使用seaborn
完成了以下操作。这类似于@rocksNwaves 的答案,但我是用问题引入的术语来写的。 只需三步:
如果您不介意创建一个组合“X”和“Y”的列,那么使用 seaborn 会让事情变得更容易:
df["XY"] = df["X"] + df["Y"]
当然,您可以按照自己的方式组合这两列。
按XY排序,得到排序后的索引
grouped = df.groupby(["XY"])
order = grouped.median()["Z"].sort_values().index
使用 seaborn 绘图
sns.boxplot(x="XY", y="Z", data=df, order=order)
请注意,您可以将 order
视为指定 x 轴上标签的顺序。
一个完整的程序:
import pandas as pd
import random
import seaborn as sns
import matplotlib.pyplot as plt
n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame("X": [random.choice(["A","B","C"]) for i in range(n)],
"Y": [random.choice(["a","b","c"]) for i in range(n)],
"Z": [random.gauss(0,1) for i in range(n)])
df["XY"] = df["X"] + df["Y"]
grouped = df.groupby(["XY"])
order = grouped.median()["Z"].sort_values().index
sns.boxplot(x="XY", y="Z", data=df, order=order, palette="light:#5A9")
plt.show()
df
看起来像
X Y Z
0 A a 0.894873
1 C a -0.568682
2 C b 0.985260
3 B c 2.056287
...
剧情是这样的
【讨论】:
以上是关于如何按中值对熊猫中的箱线图进行排序?的主要内容,如果未能解决你的问题,请参考以下文章