获取 seaborn factorplot 中箱线图的样本大小

Question

我希望让样本编号出现在每个箱线图上，如下所示： https://python-graph-gallery.com/38-show-number-of-observation-on-boxplot/

如上面的链接所示，我可以获得列表中的中位数和计数。 但是，我有一个带有色调的因子图，这样 x 刻度的位置似乎没有在 x 轴上被捕获。

使用 seaborn Tips 数据集，我有以下内容：

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

sns.set_style("whitegrid")
tips = sns.load_dataset("tips")

g = sns.factorplot(x="sex", y="total_bill",hue="smoker", 
col="time",data=tips, kind="box",size=4, aspect=.7)

# Calculate number of obs per group & median to position labels
medians = tips.groupby(['time','sex','smoker'])['total_bill'].median().values
nobs =  tips.groupby(['time','sex','smoker']).size()
nobs = [str(x) for x in nobs.tolist()]
nobs = ["n: " + i for i in nobs]


plt.show()

Here is the plot

我想得到“n：[观察次数]”就在中位数之上，我想知道是否有办法得到那个 x-tick。此外，假设某些组并不总是同时具有男性和女性，因此它不能只是硬编码。

Answer 1

这里发生了几件棘手的事情：

1. 您有两个子轴，一个用于每个主图。你需要遍历这些。

2. 每个轴上有多个 x 偏移箱线图。您需要考虑到这一点。

3. 一旦你知道你在哪里绘制，你需要知道哪个图在那里被可视化，因为排序（先是“是”还是先“否”？先是“男性”还是“女性”？） '不保证。

幸运的是，如果您将数据框编入索引（或在本例中为多索引），您只需要时间、性别和吸烟的文本即可获得正确的值。这些都可以通过一点挖掘获得。生成的代码如下所示（注意对medians 和nobs 的更改）：

medians = tips.groupby(['time','sex','smoker'])['total_bill'].median()
nobs =  tips.groupby(['time','sex','smoker']).apply(lambda x: 'n: {}'.format(len(x)))

for ax in plt.gcf().axes:
    ax_time = ax.get_title().partition(' = ')[-1]

    for tick, label in enumerate(ax.get_xticklabels()):
        ax_sex = label.get_text()

        for j, ax_smoker in enumerate(ax.get_legend_handles_labels()[1]):
            x_offset = (j - 0.5) * 2/5
            med_val = medians[ax_time, ax_sex, ax_smoker]
            num = nobs[ax_time, ax_sex, ax_smoker]

            ax.text(tick + x_offset, med_val + 0.1, num,
                    horizontalalignment='center', size='x-small', color='w', weight='semibold')

为了验证，这里是nobs 系列：

time    sex     smoker
Lunch   Male    Yes       n: 13
                No        n: 20
        Female  Yes       n: 10
                No        n: 25
Dinner  Male    Yes       n: 47
                No        n: 77
        Female  Yes       n: 23
                No        n: 29