python - 箱线图和散点图 python

Question

我有一个时间序列数据，我想在其上构建一个叠加的散点图和箱线图。数据是这样的：

    TokenUsed   date
0   8   2020-01-05
1   8   2020-01-05
2   8   2020-01-05
3   8   2020-01-05
4   8   2020-01-05
... ... ...
51040   7   2020-02-23
51041   7   2020-02-23
51042   7   2020-02-23
51043   7   2020-02-23
51044   7   2020-02-23

这个时间序列可以整齐地显示为箱线图（我在 x 轴是日期时遇到了麻烦，但解决了将其转换为字符串的问题）。现在，我只想显示总和优于阈值 (>81) 的数据。代码和生成的图像如下：

fig, ax = plt.subplots(figsize = (12,6))  



ax = sns.boxplot(x="date", y="TokenUsed", data=df, ax= ax, whis=[0,100])


ax.axhline(81)

plt.locator_params(axis='x', nbins=10)
plt.show()

当我添加散点图时，我得到图像 (2)，通过仅过滤 >81 的图像，我得到图像 (3)。我不明白的是为什么它似乎无法匹配两个图之间的 x 轴！

代码：

fig, ax = plt.subplots(figsize = (12,6))  



ax = sns.boxplot(x="date", y="TokenUsed", data=df, ax= ax, whis=[0,100])
# Without filter
ax = sns.scatterplot(x="date", y="TokenUsed", data=df, ax= ax,color=".25")
# Filter
ax = sns.scatterplot(x="date", y="TokenUsed", data=df[df["TokenUsed"]>81], ax= ax,color=".25")

ax.axhline(81)

plt.locator_params(axis='x', nbins=10)
plt.show()

标签： pythonpandasmatplotlibseaborn

Answer 1

回答：

df尝试编辑您的过滤器，以便实际上没有删除任何行。也就是说，专门在TokenUsed列上应用掩码，以便将值替换为NaN（而不是删除整行）。以下是我将如何实现它：

#make a new copy df, use that to plot
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)
ax = sns.scatterplot(x="date", y="TokenUsed", data=df2, ax= ax,color=".25")

解释

警告：这真的是我从自己的观察中对正在发生的事情的理解；我实际上并不知道幕后的实现

seaborn不太了解您预期的日期。创建箱线图并将date列用作 x 轴时，按列seaborn中的每个唯一值对数据进行分组date。它对这些字符串进行排序，然后为每个字符串创建一个整数位置（从 开始0）。 然后根据这些整数值绘制 y 数据，并将 x-tick-labels 替换为相应的字符串 value。因此，在您的情况下，有 8 个唯一的日期字符串，它们被绘制在从0到的 x 位置7。此外，它们看起来像约会实际上并不重要。 您可以将更多字符串值添加到date柱子; 它们相对于先前数据的位置将取决于它们的字母顺序（例如，我猜字符串'00-00-0000'会首先出现，字符串'999'会最后出现）。

过滤器df[df["TokenUsed"]>81]会删除值低于 81的所有行TokenUsed。这意味着过滤后的 DataFrame 将不会有与原始数据一样多的字符串日期值。这会在绘图时产生意想不到的结果。在您过滤的数据中，具有上述值的第一个日期81是2020-02-09. 因此，在scatterplot调用中，这些值被绘制在x=0，这令人困惑，因为 from 的值2020-01-05被绘制在x=0对 的调用中boxplot。

解决方法是确保所有原始日期仍然存在于过滤后的数据中，但将过滤掉的值替换为NaN不绘制任何内容。

这是我用来测试的示例：

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

# fake data, only one date has values over 80
dr = ['01-05-2020'] * 100 + ['01-12-2020'] * 100 + ['01-19-2020'] * 100
data = list(np.random.randint(0,80,200)) + list(np.random.randint(50,150,100))
df = pd.DataFrame({'date':dr, 'TokenUsed':data})

fig, ax = plt.subplots(figsize = (12,6))
ax = sns.boxplot(x="date", y="TokenUsed", data=df, ax=ax, whis=[0,100])

df2 = df.copy()
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)

# the fix
df2 = df.copy()
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)
ax = sns.scatterplot(x="date", y="TokenUsed", data=df2, ax= ax,color=".25")

ax.axhline(81)
plt.locator_params(axis='x', nbins=10)
plt.show()

如果我使用您应用的相同过滤器，我会遇到同样的问题。