在Seaborn Jointplot上注释异常值

Question

将“tips”数据集绘制为jointplot，我想通过“tips”数据框中的索引在图表上标记前10个异常值（或前n个异常值）。我计算残差（点与平均线的距离）来找出异常值。请忽略这种异常值检测方法的优点。我只想根据规范注释图表。

import seaborn as sns
sns.set(style="darkgrid", color_codes=True)

tips = sns.load_dataset("tips")
model = pd.ols(y=tips.tip, x=tips.total_bill)
tips['resid'] = model.resid

#indices to annotate
tips.sort_values(by=['resid'], ascending=[False]).head(5)

tips.sort_values(by=['resid'], ascending=[False]).tail(5)

%matplotlib inline
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg",
                  xlim=(0, 60), ylim=(0, 12), color="r", size=7)

如何通过每个点的索引值（最大残差）来注释图表中的前10个异常值（最大5个和最小5个残差）：

Answer 1

您可以使用matplotlib annotate为点创建注释。我们的想法是迭代数据框并在"tip"和"total_bill"列给出的相应位置放置注释。

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

sns.set(style="darkgrid", color_codes=True)

tips = sns.load_dataset("tips")
model = pd.ols(y=tips.tip, x=tips.total_bill)
tips['resid'] = model.resid

g = sns.jointplot("total_bill", "tip", data=tips, kind="reg",
                  xlim=(0, 60), ylim=(0, 12), color="r", size=7)

#indices to annotate
head = tips.sort_values(by=['resid'], ascending=[False]).head(5)

tail = tips.sort_values(by=['resid'], ascending=[False]).tail(5)

def ann(row):
    ind = row[0]
    r = row[1]
    plt.gca().annotate(ind, xy=(r["total_bill"], r["tip"]), 
            xytext=(2,2) , textcoords ="offset points", )

for row in head.iterrows():
    ann(row)
for row in tail.iterrows():
    ann(row)

plt.show()

<小时/> 请注意，从pandas版本0.20 pandas.ols has been removed开始。要替换它，可以使用statsmodels中的OLS model。然后各行将显示为：

import statsmodels.api as sm
model = sm.OLS(tips.tip, tips.total_bill)
tips['resid'] = model.fit().resid

请注意，结果略有不同（可能是由于加权不同）。