使用 Pandas 在 Boxplot 中标记特定值

Question

我已经使用 pandas 数据框创建了一个箱线图，现在我想在同一个图中用“X”标记特定值（希望是红色的！）。

一些数据：

df = pd.DataFrame(
[
[2, 4, 5, 6, 1],
[4, 5, 6, 7, 2],
[5, 4, 5, 5, 1],
[10, 4, 7, 8, 2],
[9, 3, 4, 6, 2],
[3, 3, 4, 4, 1]
], columns=['a1', 'a2', 'a3', 'a4', 'b'])

mark_values = pd.DataFrame(
[
[2,1],
[8.25,2]
], columns=['a1', 'b'])

df_long = pd.melt(df, "b", var_name="a", value_name="c")
g = sns.boxplot(x='c', y='a', hue='b', data=df_long, 
palette=sns.color_palette("Blues_d"), orient='h')
sns.despine(left=True)

这会生成一个箱线图。我现在想将标记添加为红十字，例如将类别 a1、子组 1 标记为“4”处的 X，以及子组 2 标记为“8.25”处的 X 等等，但仍然保留我漂亮的箱线图。

应该按照上面定义的数据框mark_values 定义和存储要标记的值。如示例：

mark_values

Out[1]: 
     a1  b
0  4.00  1
1  8.25  2

有什么简单的解决办法吗？

谢谢

Answer 1

首先，我想定义mark_values 以包含一个指定应标记哪个"a" 的列是有意义的，例如要标记"a1"，请在a 列中输入1。

      c  a  b
0  2.00  1  1
1  8.25  1  2

然后您可以绘制带有“x”作为标记的散点图，其中散点坐标是水平方向的 c 列，垂直方向由

y = (a-1)+(b-1.5)*0.4

解释一下：

• a 从 1 开始，但第一个类别在 0 处绘制，
• 此处所有 b 值的平均值为 1.5。
• 一半的条宽是0.4

总共给出：

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


df = pd.DataFrame( [[2, 4, 5, 6, 1],
                    [4, 5, 6, 7, 2],
                    [5, 4, 5, 5, 1],
                    [10, 4, 7, 8, 2],
                    [9, 3, 4, 6, 2],
                    [3, 3, 4, 4, 1]], 
                columns=['a1', 'a2', 'a3', 'a4', 'b'])

mark_values = pd.DataFrame( [ [2,1,1], [8.25,1,2], [4,3,2] ], columns=['c',"a",'b'])
print mark_values
df_long = pd.melt(df, "b", var_name="a", value_name="c")

ax = sns.boxplot(x='c', y='a', hue='b', data=df_long, 
                palette=sns.color_palette("Blues_d"), orient='h')
sns.despine(left=True)

y = (mark_values["a"].values - 1)+(mark_values["b"].values-1.5)*0.4
ax.scatter(mark_values["c"].values, y, marker="x", c="red", s=400, lw=6)

plt.show()

Answer 2

由于 Seaborn 是使用 matplotlib 构建的，因此您可以使用 text：

import pandas as pd
import seaborn as sns

df = pd.DataFrame(
[
[2, 4, 5, 6, 1],
[4, 5, 6, 7, 2],
[5, 4, 5, 5, 1],
[10, 4, 7, 8, 2],
[9, 3, 4, 6, 2],
[3, 3, 4, 4, 1]
], columns=['a1', 'a2', 'a3', 'a4', 'b'])

mark_values = pd.DataFrame(
[
[2,1],
[8.25,2]
], columns=['a1', 'b'])

df_long = pd.melt(df, "b", var_name="a", value_name="c")
g = sns.boxplot(x='c', y='a', hue='b', data=df_long, 
palette=sns.color_palette("Blues_d"), orient='h')
sns.despine(left=True)
g.text(4,0.1,'X', fontsize=50, color='red')
g.text(8.25,.5,'X', fontsize=50, color='red')

X 轴只是来自c 的值。但是您也可以使用get_ylim() 来获得您想要的输出。您还可以使用np.linspace 来获取均匀间隔的值：

import numpy as np
print(g.get_ylim())
print(str(g.get_ylim()[0]) + ' is the low value')
print(str(g.get_ylim()[1]) + ' is the high value')
print(np.linspace(g.get_ylim()[0], g.get_ylim()[1], 4))

另请注意，“X”的左下角将位于 X 轴和 Y 轴的确切交点处。所以 50 的字体大小使它看起来太大了，看起来 X 是“关闭”的。您可能需要使用这些值，以便“X”在正确的位置。但从你的问题来看，我不确定你想要 X 多大。

看看这里的区别。似乎-.08 和.1 对 30 的字体大小进行了很好的调整。绿色的“X”正在使用这些调整后的值。

g.text(4,2.1666,'X', fontsize=30, color='red')
g.text(4 - (4*.08) ,2.1666 + (2.1666 * .1),'X', fontsize=30, color='green')