时间戳

首页 > 解决方案 > 在箱形图中绘制数据框的值

python - 在箱形图中绘制数据框的值

问题描述

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

真实的数据框有几十万行，唯一的“EDGE”值列表约为 200

我想以箱线图方式绘制结果，如下所示：

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

现在有这么多的值，我必须打印一点，只需在同一个图中先说 10 个首字母。另一方面，我想首先打印平均时间较长的值。

预期结果：每个箱线图都有一系列箱线图，包括 10 个边。关于平均“时间”按降序显示的框。

如何进行？

我尝试了什么？

我尝试使用 loc 为每个值制作 sub_df ，但随后每个箱线图只能得到一个框 我尝试使用 groupby 通过“EDGE”进行浏览无济于事，因为我不知道如何仅绘制前 n 组数据框

注意：我假装使用尽可能少的库，即如果我可以使用 pandas 比使用 matplotlib 更好，并且 matplotlib 比使用 matplotlib 之上的另一个库更好

标签： pythonpandasgroup-byboxplot

解决方案

IIUC，那么您可以通过重塑数据框来做到这一点

# 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

现在你可以只boxplot用groupby. 要在子图上绘制每组边，请执行以下操作：

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

或者如果你想要分开的数字，那么你可以做

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

甚至在一行中您也可以得到单独的数字，看看区别是不是使用boxplot()use plot.box()。请注意，如果您想更改每个绘图中的参数，则循环版本更加灵活

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

推荐阅读