Seaborn groupby pandas 系列

Question

我想将我的数据可视化为箱形图，这些箱形图由我可怕的绘图中显示的另一个变量分组：

所以我要做的是使用 pandas 系列变量来告诉 pandas 我已经对变量进行了分组，所以这就是我要做的：

import pandas as pd
import seaborn as sns
#example data for reproduciblity
a = pd.DataFrame(
[
[2, 1],
[4, 2],
[5, 1],
[10, 2],
[9, 2],
[3, 1]
])

#converting second column to Series 
a.ix[:,1] = pd.Series(a.ix[:,1])
#Plotting by seaborn
sns.boxplot(a, groupby=a.ix[:,1])

这就是我得到的：

但是，我希望得到的是两个箱线图，每个箱线图仅描述第一列，按第二列中的相应列分组（转换为系列的列），而上面的图分别显示了每一列不是我想要的。

Answer 1

这是一个旧问题的新答案，因为在seaborn 和pandas 中通过版本更新进行了一些更改。由于这种变化，Rutger 的答案不再起作用。

最重要的变化是从seaborn==v0.5.x 到seaborn==v0.6.0。我引用日志：

对boxplot() 和violinplot() 的更改可能是最具破坏性的。这两个函数在它们可以接受的数据类型方面保持向后兼容性，但语法已更改为与其他 seaborn 函数更相似。这些函数现在使用x 和/或y 参数调用，这些参数是传递给新数据参数的长格式DataFrame 中的数据向量或变量名称。

现在让我们看一下例子：

# preamble
import pandas as pd # version 1.1.4
import seaborn as sns # version 0.11.0
sns.set_theme()

示例 1：简单箱线图

df = pd.DataFrame([[2, 1] ,[4, 2],[5, 1],
                   [10, 2],[9, 2],[3, 1]
                  ], columns=['a', 'b'])

#Plotting by seaborn with x and y as parameter
sns.boxplot(x='b', y='a', data=df)

示例 2：带石斑鱼的箱线图

df = pd.DataFrame([[2, 5, 1], [4, 9, 2],[5, 3, 1],
                   [10, 6, 2],[9, 7, 2],[3, 11, 1]
                  ], columns=['a', 'b', 'grouper'])
# usinge pandas melt
df_long = pd.melt(df, "grouper", var_name='a', value_name='b')
# join two columns together
df_long['a'] = df_long['a'].astype(str) + df_long['grouper'].astype(str)
sns.boxplot(x='a', y='b', data=df_long)

示例 3：重新排列要传递的 DataFrame 直接传递给 seaborn

def df_rename_by_group(data:pd.DataFrame, col:str)->pd.DataFrame:
    '''This function takes a DataFrame, groups by one column and returns 
       a new DataFrame where the old columnnames are extended by the group item. 
    '''
    grouper = df.groupby(col)
    max_length_of_group = max([len(values) for item, values in grouper.indices.items()])
    _df = pd.DataFrame(index=range(max_length_of_group))
    for i in grouper.groups.keys():
        helper = grouper.get_group(i).drop(col, axis=1).add_suffix(str(i))
        helper.reset_index(drop=True, inplace=True)
        _df = _df.join(helper)
    return _df

df = pd.DataFrame([[2, 5, 1], [4, 9, 2],[5, 3, 1],
                   [10, 6, 2],[9, 7, 2],[3, 11, 1]
                  ], columns=['a', 'b', 'grouper'])
df_new = df_rename_by_group(data=df, col='grouper')
sns.boxplot(data=df_new)

我真的希望这个答案有助于避免一些混乱。

Answer 2

sns.boxplot() 不采用 groupby。 可能你会看到
TypeError: boxplot() got an unexpected keyword argument 'groupby'.

对数据进行分组并在箱线图中使用的最佳方法是将数据作为 groupby 数据框值传递。

import seaborn as sns
grouDataFrame = nameDataFrame(['A'])['B'].agg(sum).reset_index()
sns.boxplot(y='B', x='A', data=grouDataFrame)

此处B列数据包含数值，并在A的基础上进行分组。将所有分组值与其各自的列相加并绘制箱线图。希望这会有所帮助。

Answer 3

Dataframe 中的列已经是Series，因此无需进行转换。此外，如果您只想将第一列用于两个箱线图，则应该只将其传递给 Seaborn。

所以：

#example data for reproduciblity
df = pd.DataFrame(
[
[2, 1],
[4, 2],
[5, 1],
[10, 2],
[9, 2],
[3, 1]
], columns=['a', 'b'])

#Plotting by seaborn
sns.boxplot(df.a, groupby=df.b)

我稍微改变了你的例子，在我看来给列一个标签会让它更清楚一点。

编辑：

如果您想分别绘制所有列，那么您（我认为）基本上想要groupby 列和任何其他列中的值的所有组合。所以如果你Dataframe 看起来像这样：

    a   b  grouper
0   2   5        1
1   4   9        2
2   5   3        1
3  10   6        2
4   9   7        2
5   3  11        1

并且您想要列a 和b 的箱线图，同时按列grouper 分组。您应该展平列并将 groupby 列更改为包含 a1、a2、b1 等值。

鉴于上面显示的数据框，我认为这是一种粗略的方式：

dfpiv = df.pivot(index=df.index, columns='grouper')

cols_flat = [dfpiv.columns.levels[0][i] + str(dfpiv.columns.levels[1][j]) for i, j in zip(dfpiv.columns.labels[0], dfpiv.columns.labels[1])]  
dfpiv.columns = cols_flat
dfpiv = dfpiv.stack(0)

sns.boxplot(dfpiv, groupby=dfpiv.index.get_level_values(1))

也许有更多奇特的方式来重组Dataframe。尤其是旋转后层次结构的扁平化很难阅读，我不喜欢它。