用 sns 绘制箱线图

Question

我想以箱线图的形式描述我在数据集中找到的变量的值。数据集如下：

https://archive.ics.uci.edu/ml/datasets/breast+cancer+wisconsin+(original)

到目前为止，我的代码如下：

import pandas as pd
import numpy as np
from sklearn.impute import SimpleImputer
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import preprocessing

df=pd.read_csv(file,names=['id', 'clump_thickness','unif_cell_size',
                                                         'unif_cell_shape', 'marg_adhesion', 'single_epith_cell_size',
                                                         'bare_nuclei', 'bland_chromatin', 'normal_nucleoli','mitoses','Class'])

#boxplot
    plt.figure(figsize=(15,10))
    names=list(df.columns)
    names=names[:-1]

    min_max_scaler=preprocessing.MinMaxScaler()


    X = df.drop(["Class"],axis=1)
    columnsN=list(X.columns) 
    x_scaled=min_max_scaler.fit_transform(X) #normalization
    X[columnsN]=x_scaled 
    y = df['Class']

    sns.set_context('notebook', font_scale=1.5)
    sns.boxplot(x=X['unif_cell_size'],y=y,data=df.iloc[:, :-1],orient="h")

我的箱线图返回下图：

但我想如下图所示显示我的信息：

我知道这是来自不同的数据集，但我可以看到他们同时显示了每个特征及其值的诊断。我试图以不同的方式来做，但我不能做那个图表。

我尝试了以下方法：

data_st = pd.concat([y,X],axis=1)
    data_st = pd.melt(data_st,id_vars=columnsN,
                    var_name="X",
                    value_name='value')

    sns.boxplot(x='value', y="X", data=data_st,hue=y,palette='Set1')
    plt.legend(loc='best')

但仍然没有结果。有什么帮助吗？

谢谢

Answer 1

用pandas.DataFrame.melt重塑数据：

• 大多数良性（2 类）箱线图都在 0（缩放）或 1（未缩放），因为它们应该是
  • print(df_scaled_melted.groupby(['Class', 'Attributes', 'Values'])['Values'].count().unstack()) 在melt 之后，了解计数
• MinMaxScaler 已被使用，但在这种情况下是不必要的，因为所有数据值都非常接近。如果您在不缩放的情况下绘制数据，则绘图看起来相同，除了 y 轴范围将是 1 - 10。
  • 这实际上应该只在数据大相径庭的情况下使用，在这种情况下，某个属性会对某些 ML 算法产生太大影响。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pathlib import Path
import numpy as np
from sklearn.preprocessing import MinMaxScaler

# path to file
p = Path(r'c:\some_path_to_file\breast-cancer-wisconsin.data')

# create dataframe
df = pd.read_csv(p, names=['id', 'clump_thickness','unif_cell_size',
                           'unif_cell_shape', 'marg_adhesion', 'single_epith_cell_size',
                           'bare_nuclei', 'bland_chromatin', 'normal_nucleoli','mitoses','Class'])

# replace ? with np.NaN
df.replace('?', np.NaN, inplace=True)

# scale the data
min_max_scaler = MinMaxScaler()
df_scaled = pd.DataFrame(min_max_scaler.fit_transform(df.iloc[:, 1:-1]))
df_scaled.columns = df.columns[1:-1]
df_scaled['Class'] = df['Class']

# melt the dataframe
df_scaled_melted = df_scaled.iloc[:, 1:].melt(id_vars='Class', var_name='Attributes', value_name='Values')

# plot the data
plt.figure(figsize=(12, 8))
g = sns.boxplot(x='Attributes', y='Values', hue='Class', data=df_scaled_melted)
for item in g.get_xticklabels():
    item.set_rotation(90)
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5))
plt.show()

不缩放：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pathlib import Path
import numpy as np

p = Path.cwd() / r'data\breast_cancer\breast-cancer-wisconsin.data'

df = pd.read_csv(p, names=['id', 'clump_thickness','unif_cell_size',
                           'unif_cell_shape', 'marg_adhesion', 'single_epith_cell_size',
                           'bare_nuclei', 'bland_chromatin', 'normal_nucleoli','mitoses','Class'])

df.replace('?', np.NaN, inplace=True)
df.dropna(inplace=True)
df = df.astype('int')

df_melted = df.iloc[:, 1:].melt(id_vars='Class', var_name='Attributes', value_name='Values')

plt.figure(figsize=(12, 8))
g = sns.boxplot(x='Attributes', y='Values', hue='Class', data=df_melted)
for item in g.get_xticklabels():
    item.set_rotation(90)
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5))
plt.show()