如何按中值对熊猫中的箱线图进行排序？

Question

我想按类别X 和Y 在数据框df 中绘制列Z 的箱线图。如何按中位数对箱线图进行降序排序？

import pandas as pd
import random
n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame({"X": [random.choice(["A","B","C"]) for i in range(n)], 
                   "Y": [random.choice(["a","b","c"]) for i in range(n)],
                   "Z": [random.gauss(0,1) for i in range(n)]})
df.boxplot(column="Z", by=["X", "Y"])

请注意，this question 非常相似，但它们使用不同的数据结构。我对 pandas 比较陌生（并且一般只做过一些关于 python 的教程），所以我不知道如何使我的数据与那里发布的答案一起工作。这可能更像是一个重塑而不是一个绘图问题。也许有使用groupby的解决方案？

Answer 1

您可以使用How to sort a boxplot by the median values in pandas 中的答案，但首先您需要对数据进行分组并创建一个新的数据框：

import pandas as pd
import random
import matplotlib.pyplot as plt

n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame({"X": [random.choice(["A","B","C"]) for i in range(n)], 
                   "Y": [random.choice(["a","b","c"]) for i in range(n)],
                   "Z": [random.gauss(0,1) for i in range(n)]})
grouped = df.groupby(["X", "Y"])

df2 = pd.DataFrame({col:vals['Z'] for col,vals in grouped})

meds = df2.median()
meds.sort_values(ascending=False, inplace=True)
df2 = df2[meds.index]
df2.boxplot()

plt.show()

Answer 2

在函数形式中类似于 answer 以提高可移植性

import pandas as pd

def boxplot_sorted(df, by, column):
  df2 = pd.DataFrame({col:vals[column] for col, vals in df.groupby(by)})
  meds = df2.median().sort_values()
  df2[meds.index].boxplot(rot=90)

boxplot_sorted(df, by=["X", "Y"], column="Z")

Answer 3

回答标题中的问题，而不涉及绘制两个分类变量的所有组合的额外细节：

n = 100
df = pd.DataFrame({"Category": [np.random.choice(["A","B","C","D"]) for i in range(n)],      
                   "Variable": [np.random.normal(0, 10) for i in range(n)]})

grouped = df.loc[:,['Category', 'Variable']] \
    .groupby(['Category']) \
    .median() \
    .sort_values(by='Variable')

sns.boxplot(x=df.Category, y=df.Variable, order=grouped.index)

我添加了这个解决方案，因为很难将接受的答案减少到单个变量，我相信人们正在寻找一种方法来做到这一点。我自己多次来这个问题寻找这样的答案。

Answer 4

我遵循了公认的答案，但是当我想覆盖使用另一个 y 轴（即ax.twinx()）的第二个图时遇到了麻烦。问题是第二个图的 x 轴覆盖了排序顺序。

我最终只使用seaborn 完成了以下操作。这类似于@rocksNwaves 的答案，但我是用问题引入的术语来写的。 只需三步：

1. 如果您不介意创建一个组合“X”和“Y”的列，那么使用 seaborn 会让事情变得更容易：

   df["XY"] = df["X"] + df["Y"]
   

   当然，您可以按照自己的方式组合这两列。

2. 按XY排序，得到排序后的索引

   grouped = df.groupby(["XY"])
   order = grouped.median()["Z"].sort_values().index
   

3. 使用 seaborn 绘图

   sns.boxplot(x="XY", y="Z", data=df, order=order)
   

   请注意，您可以将 order 视为指定 x 轴上标签的顺序。

一个完整的程序：

import pandas as pd
import random
import seaborn as sns
import matplotlib.pyplot as plt
n = 100
# this is probably a strange way to generate random data; please feel free to correct it
df = pd.DataFrame({"X": [random.choice(["A","B","C"]) for i in range(n)],
                   "Y": [random.choice(["a","b","c"]) for i in range(n)],
                   "Z": [random.gauss(0,1) for i in range(n)]})

df["XY"] = df["X"] + df["Y"]
grouped = df.groupby(["XY"])
order = grouped.median()["Z"].sort_values().index
sns.boxplot(x="XY", y="Z", data=df, order=order, palette="light:#5A9")
plt.show()

df 看起来像

    X  Y         Z
0   A  a  0.894873
1   C  a -0.568682
2   C  b  0.985260
3   B  c  2.056287
...

剧情是这样的