箱线图按python pandas中的列分层

Question

我想为以下 pandas 数据框绘制箱线图：

> p1.head(10)

   N0_YLDF    MAT
0     1.29  13.67
1     2.32  10.67
2     6.24  11.29
3     5.34  21.29
4     6.35  41.67
5     5.35  91.67
6     9.32  21.52
7     6.32  31.52
8     3.33  13.52
9     4.56  44.52

我希望箱线图属于“N0_YLDF”列，但它们应该按“MAT”分层。当我使用foll时。命令：

p1.boxplot(column='N0_YLDF',by='MAT')

它使用所有唯一的 MAT 值，在完整的 p1 数据帧数中约为 15,000。这会导致无法理解的箱线图。

有什么方法可以对 MAT 值进行分层，以便为 MAT 值的第一个四分位数获得不同的 N0_YLDF 箱线图，依此类推......

谢谢！

Answer 1

Pandas 有 cut 和 qcut 函数可以轻松地对变量进行分层：

# Just asking for split into 4 equal groups (i.e. quartiles) here,
# but you can split on custom quantiles by passing in an array
p1['MAT_quartiles'] = pd.qcut(p1['MAT'], 4, labels=['0-25%', '25-50%', '50-75%', '75-100%'])
p1.boxplot(column='N0_YLDF', by='MAT_quartiles')

输出：

Answer 2

pandas.qcut 将为您提供分位数，但类似直方图的操作将需要一些 numpy 技巧，这在此处派上用场：

_, breaks = np.histogram(df.MAT, bins=5)
ax = df.boxplot(column='N0_YLDF', by='Class')
ax.xaxis.set_ticklabels(['%s'%val for i, val in enumerate(breaks) if i in df.Class])

数据框现在看起来像这样：

   N0_YLDF    MAT  Class
0     1.29  13.67      1
1     2.32  10.67      0
2     6.24  11.29      1
3     5.34  21.29      1
4     6.35  41.67      2
5     5.35  91.67      5
6     9.32  21.52      1
7     6.32  31.52      2
8     3.33  13.52      1
9     4.56  44.52      3

[10 rows x 3 columns]

也可以用来获取四分位图：

breaks = np.asarray(np.percentile(df.MAT, [25,50,75,100]))
df['Class'] = (df.MAT.values > breaks[..., np.newaxis]).sum(0)
ax = df.boxplot(column='N0_YLDF', by='Class')
ax.xaxis.set_ticklabels(['%s'%val for val in breaks])