Question

我想绘制方块图，但我没有原始数据，但在Pandas DataFrame中汇总了结果。

是否仍然可以从汇总结果中绘制箱形图？

如果没有，我可以获得的最接近的情节是什么，绘制最小值，最大值，平均值，中值，std-dev等。我知道我可以使用折线图绘制它们，但我需要将分组图分组/集群。

这是我的数据，缺少绘图部分。请帮忙。感谢

import matplotlib.pyplot as plt

import numpy as np
import pandas as pd

df = pd.DataFrame({
        'group' : ['Tick Tick Tick', 'Tock Tock Tock', 'Tock Tock Tock', 'Tick Tick Tick']*3, # , ['Tock Tock Tock', 'Tick Tick Tick']*6,
        'person':[x*5 for x in list('ABC')]*4,
        'Median':np.random.randn(12),
        'StdDev':np.random.randn(12)
                   })
df["Average"]=df["Median"]*1.1
df["Minimum"]=df["Median"]*0.5
df["Maximum"]=df["Median"]*1.6
df["90%"]=df["Maximum"]*0.9
df["95%"]=df["Maximum"]*0.95
df["99%"]=df["Maximum"]*0.99

df

更新，

我现在离我的结果更近了一步 - 我刚刚发现这个功能是available since matplotlib 1.4，而我正在使用matplotlib 1.5，我测试了它并proved that it is working for me。

问题是我不知道它为何起作用，以及如何调整我的上述代码以使用这样的新功能。我将在下面重新发布我的工作代码，希望有人能理解并将两个和两个放在一起。

我拥有的数据是中位数，平均值，最小值，90％，95％，99％，最大值和StdDev，我希望能够全部绘制它们。我在logstats之后查看了以下代码for stats, label in zip(logstats, list('ABCD'))的数据结构，发现它的字段是：

[{'cihi': 4.2781254505311281,
  'cilo': 1.6164348064249057,
  'fliers': array([ 19.69118642,  19.01171604]),
  'iqr': 5.1561885723613567,
  'label': 'A',
  'mean': 4.9486856766955922,
  'med': 2.9472801284780168,
  'q1': 1.7655440553898782,
  'q3': 6.9217326277512345,
  'whishi': 12.576334012545718,
  'whislo': 0.24252084924003742},
 {'cihi': 4.3186289184254107,
  'cilo': 1.9963715983778565,
  ...

所以，从这个

和bxp doc，我将按如下方式映射数据：

whislo：最低
q1：中位数
med：平均
意思是：90％
q3：95％
whishi：99％
和Maximum as fliers

要映射它们，我只会做SELECT Minimum AS whislo, [90%] AS mean, [95%] as q3, [99%] as whishi ...这是最终结果：

raw_data = {'label': ['Label_01 Init', 'Label_02', 'Label_03', 'Label_04', 'Label_05', 'Label_06', 'Label_07', 'Label_08', 'Label_99'], 'whislo': [0.17999999999999999, 2.0299999999999998, 4.0800000000000001, 2.0899999999999999, 2.3300000000000001, 2.3799999999999999, 1.97, 2.6499999999999999, 0.089999999999999997], 'q3': [0.5, 4.9699999999999998, 11.77, 5.71, 12.460000000000001, 11.859999999999999, 13.84, 16.969999999999999, 0.29999999999999999], 'mean': [0.40000000000000002, 4.1299999999999999, 10.619999999999999, 5.0999999999999996, 10.24, 9.0700000000000003, 11.960000000000001, 15.15, 0.26000000000000001], 'whishi': [1.76, 7.6399999999999997, 20.039999999999999, 6.6699999999999999, 22.460000000000001, 21.66, 16.629999999999999, 19.690000000000001, 1.1799999999999999], 'q1': [0.28000000000000003, 2.96, 7.6100000000000003, 3.46, 5.8099999999999996, 5.4400000000000004, 6.6299999999999999, 8.9900000000000002, 0.16], 'fliers': [5.5, 17.129999999999999, 32.890000000000001, 7.9100000000000001, 32.829999999999998, 70.680000000000007, 24.699999999999999, 32.240000000000002, 3.3500000000000001]}
df = pd.DataFrame(raw_data, columns = ['label', 'whislo', 'q1', 'mean', 'q3', 'whishi', 'fliers'])

现在要挑战的是如何在包含多级分组的方框图中显示我的上述数据帧。如果多级分组太困难，那么让我们首先从pd数据帧开始绘制，因为我的pd数据帧与所需的np数组具有相同的字段。所以我试过了，

fig, ax = plt.subplots()
ax.bxp(df.as_matrix(), showmeans=True, showfliers=True, vert=False)

但我得到了

...\Anaconda3\lib\site-packages\matplotlib\axes\_axes.py in bxp(self, bxpstats, positions, widths, vert, patch_artist, shownotches, showmeans, showcaps, showbox, showfliers, boxprops, whiskerprops, flierprops, medianprops, capprops, meanprops, meanline, manage_xticks)
   3601         for pos, width, stats in zip(positions, widths, bxpstats):
   3602             # try to find a new label
-> 3603             datalabels.append(stats.get('label', pos))
   3604             # fliers coords
   3605             flier_x = np.ones(len(stats['fliers'])) * pos

AttributeError: 'numpy.ndarray' object has no attribute 'get'

如果我使用ax.bxp(df.to_records(), ...，那么我会获得AttributeError: 'record' object has no attribute 'get'。

好的，我终于得到了它的工作，从pd数据框绘制，但没有多层次的分组，如下所示：

df['fliers']=''
fig, ax = plt.subplots()
ax.bxp(df.to_dict('records'), showmeans=True, meanline=True, showfliers=False, vert=False) # shownotches=True, 
plt.show()

请注意，我的上述数据缺少med字段，您可以添加正确的字段，或使用df['med']=df['q1']*1.2使其正常工作。

import matplotlib
import matplotlib.pyplot as plt

import numpy as np
import pandas as pd

def test_bxp_with_ylabels():
    np.random.seed(937)
    logstats = matplotlib.cbook.boxplot_stats(
        np.random.lognormal(mean=1.25, sigma=1., size=(37,4))
    )
    print(logstats)
    for stats, label in zip(logstats, list('ABCD')):
        stats['label'] = label

    fig, ax = plt.subplots()
    ax.set_xscale('log')
    ax.bxp(logstats, vert=False)

test_bxp_with_ylabels()

Answer 1

在等待澄清你的df时，与：

有关

dic = [{'cihi': 4.2781254505311281,
        'cilo': 1.6164348064249057,
        'fliers': array([ 19.69118642,  19.01171604]),
        'iqr': 5.1561885723613567,
        'mean': 4.9486856766955922,
        'med': 2.9472801284780168,
        'q1': 1.7655440553898782,
        'q3': 6.9217326277512345,
        'whishi': 12.576334012545718,
        'whislo': 0.24252084924003742}]

以及您的数据应如何映射：

来自bxp doc：

  Required keys are:

  - ``med``: The median (scalar float).    
  - ``q1``: The first quartile (25th percentile) (scalar
    float).
  - ``q3``: The first quartile (50th percentile) (scalar
    float). # Here I guess it's rather : the 3rd quartile (75th percentile)
  - ``whislo``: Lower bound of the lower whisker (scalar
    float).
  - ``whishi``: Upper bound of the upper whisker (scalar
    float).

  Optional keys are:

  - ``mean``: The mean (scalar float). Needed if
    ``showmeans=True``.
  - ``fliers``: Data beyond the whiskers (sequence of floats).
    Needed if ``showfliers=True``.
  - ``cilo`` & ``cihi``: Lower and upper confidence intervals
    about the median. Needed if ``shownotches=True``.

然后，你只需要这样做：

fig, ax = plt.subplots(1,1)
ax.bxp([dic], showmeans=True)

所以你只需要找到一种方法来构建你的dic。请注意，它不会绘制您的std，而对于胡须，您需要选择它们是否达到90％，95％或99％，但您不能拥有所有值。在这种情况下，您需要在plt.hlines()之后添加它们。

HTH

Pandas DataFrame根据汇总结果对箱形图进行分组

1 个答案: