在直方图的相对 bin 上叠加箱线图

Question

以数据集'tip'为例

total_bill	tip	smoker	day	time	size
16.99	1.01	No	Sun	Dinner	2
10.34	1.66	No	Sun	Dinner	3
21.01	3.50	No	Sun	Dinner	3
23.68	3.31	No	Sun	Dinner	2
24.59	3.61	No	Sun	Dinner	4

我要做的是表示变量“total_bill”的分布，并将其每个箱与链接的变量“tip”的分布相关联给它。在此示例中，此图旨在回答以下问题：“客户留下的小费分布与他们支付的账单的函数关系是什么？”

我或多或少地实现了我想要获得的图表（但是有一个问题。最后我解释一下它是什么）。
而我采用的程序是这样的：

1. 将 'total_bill' 划分为 bin。

   tips['bins_total_bill'] = pd.cut(tips.total_bill, 10)
   tips.head()
   

   total_bill	tip	smoker	day	time	size	bins_total_bill
   16.99	1.01	No	Sun	Dinner	2	(12.618, 17.392]
   10.34	1.66	No	Sun	Dinner	3	(7.844, 12.618]
   21.01	3.50	No	Sun	Dinner	3	(17.392, 22.166]
   23.68	3.31	No	Sun	Dinner	2	(22.166, 26.94]
   24.59	3.61	No	Sun	Dinner	4	(22.166, 26.94]

2. 使用以下方法创建 pd.Series：
   索引：pd.interval of total_cost bin
   值：出现次数

   s = tips['bins_total_bill'].value_counts(sort=False)
   s
   

(3.022, 7.844]       7
(7.844, 12.618]     42
(12.618, 17.392]    68
(17.392, 22.166]    51
(22.166, 26.94]     31
(26.94, 31.714]     19
(31.714, 36.488]    12
(36.488, 41.262]     7
(41.262, 46.036]     3
(46.036, 50.81]      4
Name: bins_total_bill, dtype: int64

1. 将barplot和poxplot结合在一起

   fig, ax1 = plt.subplots(dpi=200)
   ax2 = ax1.twinx()
   
   sns.barplot(ax=ax1, x = s.index, y = s.values)
   sns.boxplot(ax=ax2, x='bins_total_bill', y='tip', data=tips)
   sns.stripplot(ax=ax2, x='bins_total_bill', y='tip', data=tips, size=5, color="yellow", edgecolor='red', linewidth=0.3)
   
   #Title and axis labels
   ax1.tick_params(axis='x', rotation=90)
   ax1.set_ylabel('Number of bills')
   ax2.set_ylabel('Tips [$]')
   ax1.set_xlabel("Mid value of total_bill bins [$]")
   ax1.set_title("Tips ~ Total_bill distribution")
   
   #Reference lines average(tip) + add yticks + Legend
   avg_tip = np.mean(tips.tip)
   ax2.axhline(y=avg_tip, color='red', linestyle="--", label="avg tip")
   ax2.set_yticks(list(ax2.get_yticks() + avg_tip))
   ax2.legend(loc='best')
   
   #Set labels axis x
   ax1.set_xticklabels(list(map(lambda s: round(s.mid,2), s.index)))
   

不得不说这张图有问题！由于 x 轴是分类的，例如，我不能在“total_bill”的平均值处添加一条垂直线。

如何解决此问题以获得正确的结果？ 我也想知道是否有比我采用的更正确、更精简的方法。

Answer 1

想到了这个方法，比上一个更紧凑（大概可以做得更好），并且克服了x轴缩放的问题。

1. 我将 'total_bill' 拆分为 bin 并将列添加到 Df

   tips['bins_total_bill'] = pd.cut(tips.total_bill, 10)
   

2. 将列“提示”按之前创建的 bin 分组

   obj_gby_tips = tips.groupby('bins_total_bill')['tip']
   gby_tip = dict(list(obj_gby_tips))
   

3. 创建字典：
   键：每个 bin 间隔的中点
   值：每个间隔的 gby 提示

   mid_total_bill_bins = list(map(lambda bins: bins.mid, list(gby_tip.keys())))
   gby_tips = gby_tip.values()
   
   tip_gby_total_bill_bins = dict(zip(mid_total_bill_bins, gby_tips))
   

4. 通过向箱线图的每个矩形传递 每个 bin 的质心

   fig, ax1 = plt.subplots(dpi=200)
   ax2 = ax1.twinx()
   
   bp_values = list(tip_gby_total_bill_bins.values())
   bp_pos = list(tip_gby_total_bill_bins.keys())
   
   l1 = sns.histplot(tips.total_bill, bins=10, ax=ax1)
   l2 = ax2.boxplot(bp_values, positions=bp_pos, manage_ticks=False, patch_artist=True, widths=2)
   
   #Average tips as hline
   avg_tip = np.mean(tips.tip)
   ax2.axhline(y=avg_tip, color='red', linestyle="--", label="avg tip")
   ax2.set_yticks(list(ax2.get_yticks() + avg_tip)) #add value of avg(tip) to y-axis
   
   #Average total_bill as vline
   avg_total_bill=np.mean(tips.total_bill)
   ax1.axvline(x=avg_total_bill, color='orange', linestyle="--", label="avg tot_bill")
   

然后是结果。