具有重叠分布/直方图的箱线图

Question

简而言之：我基本上是在尝试基于连续变量绘制箱线图，其中每个框代表该变量特定范围内的条目。最重要的是，我想叠加一个直方图来显示分布（每个区间有多少计数）。

再解释一下：我有一个包含各种列的数据框。我有兴趣按某个连续列 X 上的间隔对它们进行分组，并绘制 Y 列如何查找 X 列的每个间隔的箱线图。此外，我想叠加一个分布或 historgam 以显示每个上有多少元素箱线图，或多或少。

我已经尝试（但失败了）用适当的 bin 绘制直方图。然后根据每个 bin 的中间值对数据进行分类，以便我可以在相同的轴上绘制（直方图和箱线图）或使用相同的 x 轴（axes.twinx()），但直方图会变形。就像它没有将 x 轴的值识别为相同。

原始直方图：https://imgur.com/8iNnR2u

尝试添加箱线图后：https://imgur.com/0LRGTTp

这是我一直在尝试做的一个说明性示例：

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


# Generate random data
prices = np.random.uniform(low=-85.0,high=85.0, size=(50,))
value_x = np.random.uniform(low=0,high=3000.0, size=(50,))
df = pd.DataFrame({'price':prices,'value_x':value_x })
# Classify each entry according to the bin they belong to
df['interval_index'] = np.digitize(df['price'], np.arange(-85,85,5))
# Get middle value for each bin, for example, if bin is (40-45), middle value would be 42.5
df['interval_middle_value'] = df['interval_index']*5-87.5

# Failed attempt to generate the desired plot
fig, ax = plt.subplots()
sns.distplot(df['price'],bins=np.arange(-85,85,5), ax=ax, kde=False, norm_hist=False)
ax2=ax.twinx()
sns.boxplot(x='interval_middle_value',y='value_x',data=df, ax=ax2)

我希望得到如下图所示的结果：https://imgur.com/svEOlNQ

Answer 1

由于箱线图是分类的，您需要将箱的位置设置为箱间隔的中间。 因此，您可能正在寻找这样的东西：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# Generate random data
prices = np.random.uniform(low=-85.0,high=85.0, size=(500,))
value_x = np.random.uniform(low=0,high=3000.0, size=(500,))
df = pd.DataFrame({'price':prices,'value_x':value_x })
# Classify each entry according to the bin they belong to
bins = np.arange(-85,90,5)

width = np.diff(bins)[0]
df['interval_index'] = np.digitize(df['price'], bins)
# Get middle value for each bin, for example, if bin is (40-45), middle value would be 42.5
middle_value = bins[:-1] + width/2

# Failed attempt to generate the desired plot
fig, ax = plt.subplots()
ax.hist(df['price'].values, bins=bins)
ax2=ax.twinx()

stats = [df['value_x'][df['interval_index'] == i].values for i in range(1, len(bins))]
ax2.boxplot(stats, positions=middle_value, widths=width*0.6, manage_ticks=False)


plt.show()