Python数据处理从零开始----第四章（可视化）（17）一文解决箱型图box plot
Python数据处理从零开始----第四章（可视化）（17）一文解决箱型图box plot
（1）输入数据
所使用的是经典的iris数据， 包括有sepal_length， sepal_width， petal_length，petal_width和 species五个变量，其中前四个为数字变量，最后一个为分类变量
import seaborn as sns
df = sns.load_dataset('iris')
df.head()
Out[25]:
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa（2）绘制基础图形
import seaborn as sns
df = sns.load_dataset('iris')
# Make boxplot for one group only
sns.boxplot( y=df["sepal_length"] )
#sns.plt.show()
（3）绘制经典box图
import seaborn as sns
df = sns.load_dataset('iris')
sns.boxplot( x=df["species"], y=df["sepal_length"] )
#sns.plt.show()
（4）绘制水平横放的box图
# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')
# Just switch x and y
sns.boxplot( y=df["species"], x=df["sepal_length"] )
#sns.plt.show()
（5）设置线条宽度
# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')
# Change line width
sns.boxplot( x=df["species"], y=df["sepal_length"], linewidth=5)
#sns.plt.show()
（6）添加notch缺口box图
# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')
# Add notch
sns.boxplot( x=df["species"], y=df["sepal_length"], notch=True)
#sns.plt.show()
（7）设置箱型图box plot的大小size
import seaborn as sns
df = sns.load_dataset('iris')
# Change width
sns.boxplot( x=df["species"], y=df["sepal_length"], width=0.3)
（8）修改箱型图颜色：基于corlorplatte
# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')
# Use a color palette
sns.boxplot( x=df["species"], y=df["sepal_length"], palette="Blues")
#sns.plt.show()
（9）设置箱型图box plot颜色为选定的某一种颜色
import seaborn as sns
df = sns.load_dataset('iris')
sns.boxplot( x=df["species"], y=df["sepal_length"], color="skyblue")
#sns.plt.show()
b: blue;g: green;r: red;c: cyan;m: magenta;y: yellow;k: black;w: white
（10）设置箱型图box plot颜色:为不同分组选定不同的颜色
import seaborn as sns
df = sns.load_dataset('iris')
my_pal = {"versicolor": "g", "setosa": "b", "virginica":"m"}
sns.boxplot( x=df["species"], y=df["sepal_length"], palette=my_pal)
#sns.plt.show()
（11）设置箱型图box plot颜色:高亮突出某一个分组
# Highlight a group
import seaborn as sns
df = sns.load_dataset('iris')
my_pal = {species: "r" if species == "versicolor" else "b" for species in df.species.unique()}
sns.boxplot( x=df["species"], y=df["sepal_length"], palette=my_pal)
#sns.plt.show()
（12）设置亚型分组箱型图box plot
当我们同时有一个numerical variable,许多个 groups, 还有一个subgroups, 我们这个时候就需要分组小提琴图，也就是 grouped violinplot。场景示例：我们想知道男女两类患者，在青少年、中年、老年这三个年龄阶段，在肺癌发病率的分布
# library and dataset
import seaborn as sns
df = sns.load_dataset('tips')
# Grouped boxplot
sns.boxplot(x="day", y="total_bill", hue="smoker", data=df, palette="Set1")
#sns.plt.show()
我们可以看出在Fri上，吸烟者和不吸烟者total_bill的差别很大。而在Thur上，吸烟者和不吸烟者total_bill的差别很小。
（13）设置箱型图的顺序：根据自己设置的顺序
import seaborn as sns
df = sns.load_dataset('iris')
# specific order
p1=sns.boxplot(x='species', y='sepal_length', data=df, order=["virginica", "versicolor", "setosa"])
#sns.plt.show()
这里我们设置的是 "virginica","versicolor", "setosa"，也就是说先展示virginica组的数据，最后展示setosa组的数据。
（14）设置箱型图的顺序：根据median中位数
import seaborn as sns
df = sns.load_dataset('iris')
# Find the order
my_order = df.groupby(by=["species"])["sepal_length"].median().iloc[::-1].index
# Give it to the boxplot
sns.boxplot(x='species', y='sepal_length', data=df, order=my_order)
Boxplot是对数据分布进行可视化的绝佳方法。但是，请注意，箱型图可以隐藏单个数据的值。因此，强烈建议在箱线图中显示所有观察结果值。而如果有许多观察结果，小提琴图可能是一个有趣的选择。 （15）在箱型图上添加数据点
# library & dataset
import seaborn as sns
df = sns.load_dataset('iris')
# Usual boxplot
ax = sns.boxplot(x='species', y='sepal_length', data=df)
# Add jitter with the swarmplot function.
ax = sns.swarmplot(x='species', y='sepal_length', data=df, color="grey")
（16）在箱型图上添加观察值数量(每个分组的观察值总数)
# library & dataset
import seaborn as sns, numpy as np
df = sns.load_dataset("iris")
ax = sns.boxplot(x="species", y="sepal_length", data=df)
# Calculate number of obs per group & median to position labels
medians = df.groupby(['species'])['sepal_length'].median().values
nobs = df['species'].value_counts().values
nobs = [str(x) for x in nobs.tolist()]
nobs = ["n: " + i for i in nobs]
# Add it to the plot
pos = range(len(nobs))
for tick,label in zip(pos,ax.get_xticklabels()):
ax.text(pos[tick], medians[tick] + 0.03, nobs[tick],
horizontalalignment='center', size='x-small', color='w', weight='semibold')
我们可以看出setosa组共计有50个观察值observation。而versicolor和virginica组也有50个观察值。
腾讯云开发者
