以值的形式在框图中绘制数据框

Question

我有一个单列数据框，如下所示：

df = pd.DataFrame(np.random.randn(20, 1),
                      columns=['Time'])
df['EDGE'] = pd.Series(['A', 'A', 'A','B', 'B', 'A', 'B','C','C', 'B','D','A','E','F','F','A','G','H','H','A'])
df

实际数据框有数十万行，唯一的“ EDGE”值列表大约为200

我想以箱图的方式绘制结果，如下所示：

boxplot = df.boxplot(by='EDGE')

现在有太多的值需要打印一点，只需在同一图中首先说出10个首字母即可。 另一方面，我想先打印平均时间更长的值。

预期结果： 每个箱线图包括10条EDGE的箱线图集合。这些框相对于平均“时间”以降序显示。

如何进行？

我尝试了什么？

我试图用loc为sub_df设置每个值，但是每个框图只能得到一个框 我尝试使用groupby毫无用处地按“ EDGE”，因为我不知道如何仅绘制数据帧的前n个组

注意：我假装使用尽可能少的库，也就是说，如果我可以使用pandas而不是使用matplotlib更好地使用它，并且matplotlib可以比使用matplotlib之上的另一个库更好地使用

Answer 1

IIUC，那么您可以通过重塑数据框来实现

# define the number of edges per plot
nb_edges_per_plot = 4 #to change to your needs

# group by edge
gr = df.groupby('EDGE')['Time']
# get the mean per group and sort them 
order_ = gr.mean().sort_values(ascending=False).index
print (order_) #order depends on the random value so probably not same for you
#Index(['D', 'H', 'C', 'B', 'A', 'E', 'G', 'F'], dtype='object', name='EDGE')

# reshape your dataframe to ake each EDGE a column and order the columns
df_ = df.set_index(['EDGE', gr.cumcount()])['Time'].unstack(0)[order_]
print (df_.iloc[:5, :5])
# EDGE         D         H         C         B         A
# 0     1.729417  0.270593 -0.140786 -0.540270  0.862832
# 1          NaN  0.647830  1.038952 -0.129361 -0.648432
# 2          NaN       NaN       NaN -1.235637 -0.430890
# 3          NaN       NaN       NaN  0.631744 -1.622461
# 4          NaN       NaN       NaN       NaN  0.694052

现在您可以将boxplot与groupby一起使用。要在子图上绘制每组边缘，请执行以下操作：

df_.groupby(np.arange(len(order_))//nb_edges_per_plot, axis=1).boxplot()

或者如果您想要分开的数字，则可以

for _, dfg_ in df_.groupby(np.arange(len(order_))//nb_edges_per_plot, axis=1):
    dfg_.plot(kind='box')

甚至一行都可以得到分开的图形，看到的区别是使用boxplot()而不是plot.box()。请注意，如果要更改每个绘图中的参数，则循环版本更为灵活

df_.groupby(np.arange(len(order_))//nb_edges_per_plot, axis=1).plot.box()

Answer 2

您可以创建一个中间框架groups，并将EDGE分配给绘图编号（列Order）和每个绘图内的EDGE位置（列Pos）。

chunk_size = 3

groups = df.groupby('EDGE')
groups = (groups.ngroups - groups.Time.mean().rank(method='first').astype(int)).to_frame()
groups['Order'] = groups.Time // chunk_size
groups['Pos'] = groups.Time % chunk_size

for i in range(groups.Order.max() + 1):
    group = groups[groups.Order==i]
    df[df.EDGE.isin(group.index)].boxplot(by='EDGE', positions=group.Pos)

示例：

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randn(20, 1), columns=['Time'])
df['EDGE'] = pd.Series(['A', 'A', 'A','B', 'B', 'A', 'B','C','C', 'B','D','A','E','F','F','A','G','H','H','A'])

# code from above ...

#verification:
print(df.groupby('EDGE').Time.mean().sort_values(ascending=False))
#EDGE
#G    1.494079
#B    1.367285
#E    0.761038
#A    0.442789
#F    0.282769
#D    0.144044
#H    0.053955
#C   -0.127288