绘制多列的平均值，包括标准偏差

Question

我有一个包含 8 列和多行的数据集。这些列包含 2 个不同条件下不同变量（总共 6 个）的测量值，每个包含 4 列，其中包含针对特定条件的重复测量值。

使用 Searborn，我想生成一个条形图，显示每 4 列的平均值和标准差，按索引键（即测量变量）分组。数据框结构如下：

np.random.seed(10)
df = pd.DataFrame({
    'S1_1':np.random.randn(6),
    'S1_2':np.random.randn(6),
    'S1_3':np.random.randn(6),
    'S1_4':np.random.randn(6),
    'S2_1':np.random.randn(6),
    'S2_2':np.random.randn(6),
    'S2_3':np.random.randn(6),
    'S2_4':np.random.randn(6),
    },index= ['var1','var2','var3','var4','var5','var6'])

我如何传递给 seaborn，我只想要 2 个小节，前 4 列 1 个，第二个列 1 个。每个条形显示 4 列中的平均值（和标准偏差或其他一些分散度量）。

我正在考虑使用多索引，添加第二列级别以将列分组为 2 个条件，

df.columns = pd.MultiIndex.from_arrays([['Condition 1'] * 4 + ['Condition 2'] * 4,df.columns])

但我不知道应该将什么传递给 Seaborn 以生成我想要的情节。

如果有人能指出我正确的方向，那将是一个很大的帮助！

Answer 1

根据评论更新

• 绘图就是为绘图 API 重塑数据框

# still create the groups
l = df.columns
n = 4
groups = [l[i:i+n] for i in range(0, len(l), n)]
num_gps = len(groups)

# stack each group and add an id column
data_list = list()
for group in groups:
    id_ = group[0][1]
    data = df[group].copy().T
    data['id_'] = id_
    data_list.append(data)
    
df2 = pd.concat(data_list, axis=0).reset_index()
df2.rename({'index': 'sample'}, axis=1, inplace=True)

# melt df2 into a long form
dfm = df2.melt(id_vars=['sample', 'id_'])

# plot
p = sns.catplot(kind='bar', data=dfm, x='variable', y='value', hue='id_', ci='sd', aspect=3)

df2.head()

  sample    YAL001C    YAL002W   YAL004W   YAL005C   YAL007C   YAL008W    YAL011W   YAL012W    YAL013W   YAL014C id_
0   S2_1 -13.062716  -8.084685  2.360795 -0.740357  3.086768 -0.117259  -5.678183  2.527573 -17.326287 -1.319402   2
1   S2_2  -5.431474 -12.676807  0.070569 -4.214761 -4.318011 -4.489010 -10.268632  0.691448 -24.189106 -2.343884   2
2   S2_3  -9.365509 -12.281169  0.497772 -3.228236  0.212941 -2.287206 -10.250004  1.111842 -27.811564 -4.329987   2
3   S2_4  -7.582111 -15.587219 -1.286167 -4.531494 -3.090265 -4.718281  -8.933496  2.079757 -21.580854 -2.834441   2
4   S3_1 -12.618254 -20.010779 -2.530541 -3.203072 -2.436503 -2.922565 -15.972632  3.551605 -35.618485 -4.925495   3

dfm.head()

  sample id_ variable      value
0   S2_1   2  YAL001C -13.062716
1   S2_2   2  YAL001C  -5.431474
2   S2_3   2  YAL001C  -9.365509
3   S2_4   2  YAL001C  -7.582111
4   S3_1   3  YAL001C -12.618254

绘制结果

kind='box'

• 箱线图可能更好地传达分布

p = sns.catplot(kind='box', data=dfm, y='variable', x='value', hue='id_', height=12)

---

原答案

• 使用列表解析将列分成 4 个组
  • 这使用已发布的更全面的原始数据。可以在revision 4找到
• 创建带有子图的图形并将每个组从axes 压缩到ax
• 使用每个group 从df 中选择data 并用.T 转置数据。
• 使用sns.barplot默认estimator为均值，所以条形长度为均值，设置ci='sd'则置信区间为标准差。
  • sns.barplot(data=data, ci='sd', ax=ax) 可以轻松替换为 sns.boxplot(data=data, ax=ax)

import seaborn as sns

# using the first comma separated data that was posted, create groups of 4
l = df.columns
n = 4  # chunk size for groups
groups = [l[i:i+n] for i in range(0, len(l), n)]
num_gps = len(groups)

# plot
fig, axes = plt.subplots(num_gps, 1, figsize=(12, 6*num_gps))

for ax, group in zip(axes, groups):
    data = df[group].T
    sns.barplot(data=data, ci='sd', ax=ax)
    ax.set_title(f'{group.to_list()}')
fig.tight_layout()
fig.savefig('test.png')

data 的示例

• 条是每列的mean，行是standard deviation

       YAL001C    YAL002W   YAL004W   YAL005C   YAL007C   YAL008W    YAL011W   YAL012W    YAL013W   YAL014C
S8_1 -1.731388 -17.215712 -3.518643 -2.358103  0.418170 -1.529747 -12.630343  2.435674 -27.471971 -4.021264
S8_2 -1.325524 -24.056632 -0.984390 -2.119338 -1.770665 -1.447103 -10.618954  2.156420 -30.362998 -4.735058
S8_3 -2.024020 -29.094027 -6.146880 -2.101090 -0.732322 -2.773949 -12.642857 -0.009749 -28.486835 -4.783863
S8_4  2.541671 -13.599049 -2.688125 -2.329332 -0.694555 -2.820627  -8.498677  3.321018 -31.741916 -2.104281

绘制结果