在箱线图中标记异常值 - Python答案

【问题标题】：Label outliers in a boxplot - Python在箱线图中标记异常值 - Python
【发布时间】：2020-08-27 06:22:38
【问题描述】：

我正在分析极端天气事件。我的数据框名为 df，如下所示：

|    Date    |      Qm      |
|------------|--------------|                                              
| 1993-01-01 |  4881.977061 |
| 1993-02-01 |  4024.396839 |
| 1993-03-01 |  3833.664650 |
| 1993-04-01 |  4981.192526 |
| 1993-05-01 |  6286.879798 |  
| 1993-06-01 |  6939.726070 |
| 1993-07-01 |  6492.936065 |
|    ...     |      ...     |

我想知道极端事件是否与测量的异常值发生在同一年。因此，我使用 seaborn 绘制了箱线图：

# Qm boxplot analysis

boxplot = sns.boxplot(x=df.index.month,y=df['Qm'])
plt.show()

现在，我想在同一个数字中显示与异常值对应的年份。因此，用它们的日期标记它们。

我已经检查了多个包含箱线图的库，但不知道如何标记它们。

PD：我在这个例子中使用了 seaborn，但是任何可以提供帮助的库都将受到高度赞赏

谢谢！

【问题讨论】：

标签： python label seaborn boxplot

【解决方案1】：

我不知道如何将标签连同您的数据一起交给seaborn.boxplot 或pandas.DataFrame.boxplot。作为解决方法，您可以使用 matplotlib's annotate function 手动注释您的绘图。

这是一个例子：

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

np.random.seed(42)
df = pd.DataFrame( np.random.randn(50, 2), columns=['Col1', 'Col2'])
boxplot = df.boxplot(
    column=['Col1', 'Col2'],
    flierprops=dict(markerfacecolor='r', marker='s', label='not shown'))
boxplot.annotate(
    '1993',
    (1, -2.65),
    xytext=(0.3, 0.15),
    textcoords='axes fraction',
    arrowprops=dict(facecolor='black', arrowstyle='wedge'),
    fontsize=11)
plt.show()

结果图：

【讨论】：

【解决方案2】：

您可以遍历数据框并将每个值与异常值的限制进行比较。默认情况下，这些限制是 1.5 times 和 IQR 超过低四分位数和高四分位数。对于该范围之外的每个值，您可以在其旁边绘制年份。如果您想显示更多或更少的年份，请随意调整此定义。

这里有一些代码来说明这个想法。在代码中，年份的最后两位数字显示在异常值的位置旁边。

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

Y = 26
df = pd.DataFrame({'Date': pd.date_range('1993-01-01', periods=12 * Y, freq='M'),
                   'Qm': np.random.normal(np.tile(5000 + 1000 * np.sin(np.linspace(0, 2 * np.pi, 12)), Y), 1000)})
df.set_index('Date', inplace=True)
boxplot = sns.boxplot(x=df.index.month, y=df['Qm'])
month_q1 = df.groupby(df.index.month).quantile(0.25)['Qm'].to_numpy()
month_q3 = df.groupby(df.index.month).quantile(0.75)['Qm'].to_numpy()
outlier_top_lim = month_q3 + 1.5 * (month_q3 - month_q1)
outlier_bottom_lim = month_q1 - 1.5 * (month_q3 - month_q1)

for row in df.itertuples():
    month = row[0].month - 1
    val = row.Qm
    if val > outlier_top_lim[month] or val < outlier_bottom_lim[month]:
        plt.text(month, val, f' {row[0].year % 100:02d}', ha='left', va='center')
plt.xlabel('Month')
plt.tight_layout()
plt.show()

【讨论】：