我有一个包含多列的数据框,我可以轻松地使用seaborn将其绘制在一个boxplot(或小提琴图等)中,如下所示:
data1 = {'p0':[1.,2.,5,0.], 'p1':[2., 1.,1,3], 'p2':[3., 3.,2., 4.]}
df1 = pd.DataFrame.from_dict(data1)
sns.boxplot(data=df1)
我现在需要的是将这个数据框与另一个数据框合并,这样我就可以在一个箱形图中绘制它们,就像在这里完成一样:http://seaborn.pydata.org/examples/grouped_boxplot.html
我试过添加一个列并连接。结果似乎没问题
data1 = {'p0':[1.,2.,5,0.], 'p1':[2., 1.,1,3], 'p2':[3., 3.,2., 4.]}
data2 = {'p0':[3.,1.,5,1.], 'p1':[3., 2.,3,3], 'p2':[1., 2.,2., 5.]}
df1 = pd.DataFrame.from_dict(data1)
df1['method'] = 'A'
df2 = pd.DataFrame.from_dict(data2)
df2['method'] = 'B'
df_all = pd.concat([df1,df2])
sns.boxplot(data=df_all)
这很有效,但它将方法A和B中的数据汇总在一起。但是这会失败:
sns.boxplot(data=df_all, hue='method')
因为我需要指定x和y。如果我将x指定为x=['p0', 'p1', 'p2']
,则将3列进行平均。
所以我想我可以用不同的方式合并数据帧,以便使用seaborn来表示它的简单。
答案 0 :(得分:3)
我认为这里以简单的方式工作将需要一个像这样的数据框:
价值方法p
1.0 A p0
2.1 A p0
3.0 A p1
1.3 B p0
4.3 B p1
然后,您可以使用sns.boxplot(data=df, hue='method', x='p', y='value')
我正在研究如何将df1和df2轻松合并到像这样的数据框中,但我并不是真正的熊猫专家。
编辑:想出来,需要使用melt
方法:
df3 = pd.concat([df1.melt(id_vars='method', var_name='p'),
df2.melt(id_vars='method', var_name='p')],
ignore_index=True)
sns.boxplot(x='p', y='value', hue='method', data=df3)
答案 1 :(得分:0)
sns.boxplot(data=df1, hue='method')
只包含第一个数据框(df1
)中的信息。如果您只使用df1
,则df1["method"]
中的所有行都具有相同的值(“A”),因此所有行的颜色都相同。
一个选项是连接两个数据帧;例如:
result = pd.concat([df1, df2])
sns.boxplot(data=result, hue='method')
更新的问题:
如果传递data=pandas.Dataframe()
作为参数,则应使用数据框的列名定义x
和y
参数。
答案 2 :(得分:0)