如何迭代地将不同的数据绘制成seaborn中的箱形图（没有它们重叠）？

Question

有没有办法使用seaborn＆＃39; sns.boxplot()迭代绘制数据而不会使箱图重叠？ （不将数据集合并为单个pd.DataFrame()）

背景

有时，在比较不同的（例如大小/形状）数据集时，相互比较通常很有用，可以通过不同的共享变量（通过pd.cut()和df.groupby()对数据集进行分类，如图所示下面）。

以前，我已经迭代地绘制了这些＆＃34; binned＆＃34;通过使用matplotlib ax.boxplot()（通过提供y轴位置值作为position参数来循环单独的数据框，将数据作为同一轴上的箱线图，以确保箱图不会出现。重叠）。

示例

以下是一个简化示例，显示了使用sns.boxplot()时的重叠图：

import seaborn as sns
import random
import pandas as pd
import matplotlib.pyplot as plt

# Get the tips dataset and select a subset as an example
tips = sns.load_dataset("tips")
variable_to_bin_by = 'tip'
binned_variable = 'total_bill'
df = tips[[binned_variable,  variable_to_bin_by] ]

# Create a second dataframe with different values and shape
df2 = pd.concat( [ df.copy() ] *5 )    
# Use psuedo random numbers to convey that df2 is different to df
scale = [ random.uniform(0,2) for i in range(len(df2[binned_variable])) ]  
df2[ binned_variable ] = df2[binned_variable].values * scale * 5
dfs = [ df, df2 ]

# Group the data by a list of bins
bins = [0, 1, 2, 3, 4]
for n, df in enumerate( dfs ):
    gdf = df.groupby( pd.cut(df[variable_to_bin_by].values, bins ) )
    data = [ i[1][binned_variable].values  for i in gdf]
    dfs[n] = pd.DataFrame( data, index = bins[:-1])

# Create an axis for both DataFrames to be plotted on
fig, ax = plt.subplots()

# Loop the DataFrames and plot
colors = ['red', 'black']    
for n in range(2):
    ax = sns.boxplot( data=dfs[n].T, ax=ax, width=0.2, orient='h', 
                      color=colors[n] )
plt.ylabel( variable_to_bin_by )
plt.xlabel( binned_variable )
plt.show()

更多细节

我意识到上面的简化示例可以通过组合DataFrame并向hue提供sns.boxplot()参数来解决。

更新DataFrames的索引也没有帮助，因为随后使用了来自最后一个DataFrame的y值。

提供kwargs参数（例如kwargs={'positions': dfs[n].T.index}）不会起作用，因为这会引发TypeError。

  

TypeError：boxplot（）获得了关键字参数的多个值   ＆＃39;位置＆＃39;

设置sns.boxplot() dodge的{​​{1}}参数无法解决此问题。

Answer 1

有趣的是，＆＃34; hack＆＃34;我建议的earlier today in this answer可以在这里应用。

它使代码复杂化，因为seaborn期望使用长格式数据帧而不是宽格式来使用色调嵌套。

# Get the tips dataset and select a subset as an example
tips = sns.load_dataset("tips")
df = tips[['total_bill',   'tip'] ]

# Group the data by 
bins = [0, 1, 2, 3, 4]
gdf = df.groupby( pd.cut(df['tip'].values, bins ) )
data = [ i[1]['total_bill'].values  for i in gdf]
df = pd.DataFrame( data , index = bins[:-1]).T
dfm = df.melt() # create a long-form database
dfm.loc[:,'dummy'] = 'dummy'

# Create a second, slightly different, DataFrame
dfm2 = dfm.copy()
dfm2.value = dfm.value*2
dfs = [ dfm, dfm2 ]
colors = ['red', 'black']
hue_orders = [['dummy','other'], ['other','dummy']]

# Create an axis for both DataFrames to be plotted on
fig, ax = plt.subplots()

# Loop the DataFrames and plot
for n in range(2):
    ax = sns.boxplot( data=dfs[n], x='value', y='variable', hue='dummy', hue_order=hue_orders[n], ax=ax, width=0.2, orient='h', 
                      color=colors[n] )
ax.legend_.remove()
plt.show()