如何从迭代和累积的数据在一个图中创建多个boxen图？

Question

我有一个dataframe，它包含两个列，id和value。每几行都有相同的id，但都有不同的值。我想要绘制一个boxen图，它显示了所有id的值的分布，以及从第一个id到当前的累积值的分布。这是一个简单的数据文件：

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

df = pd.DataFrame(columns=['id', 'value'])

for id in range(5):
    df = pd.concat([df, pd.DataFrame({'id': [id]*10, 'value':np.random.rand(10)})]).reset_index(drop=True)

这是：

plt.figure(figsize=(10, 5))

sns.boxenplot(x='id', y='value', data=df, width=0.4)

plt.show()

只绘制每个id的值分布。我希望累积的id的分布接近每个id值。例如：

对于id=0，两者是相同的，在0和0.5时，我想要相同的框

对于id=1，在x=1中，我希望有一个用id==1表示值的框，而对于id==0或id==1的值，我希望在1.5处有一个方框

对于id=2，在x=2中，我希望有一个用id==2表示值的框，而在2.5个框中，用id==0、id==1或id==2表示值

诸若此类。

我找不到一种方法将不同大小的数据框放在一个地块中。

Answer 1

有几种方法-

DataFrame

• 重塑您的数据，使其与seaborn所期望的输入相匹配(复制数据，并将其插入单个seaborn中)。

1. 进入一些较低的matplotlib功能，并使用更多的手动控制创建图表.

海运-数据操作

实际上，我用相同的id存储不同标签“累积”和“非累积”下的重复数据。一旦我这样做，我就可以使用seaborn的接口来生成预期的绘图。

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

plt.rc('axes.spines', left=False, top=False, right=False)

rng = np.random.default_rng(0)

df = pd.DataFrame({
    'id': np.arange(5).repeat(10),
    'value': rng.random(5 * 10)
})

data = {}
cumul_groups = []
for id_, grp in df.groupby('id'):
    cumul_groups.append(id_)
    
    data[(id_, 'cumulative')] = df.loc[df['id'].isin(cumul_groups), 'value']
    data[(id_, 'non-cumulative')] = grp['value']

ax = sns.boxenplot(x='id', y='value', hue='type', data=pd.concat(data, names=['id', 'type']).reset_index())
ax.legend(loc='lower left', bbox_to_anchor=(1, .5))

​

​

Answer 2

用熊猫GroupBy()计算和

df = df.groupby('id').sum()

plt.figure(figsize=(10, 5))

sns.boxenplot(x=df.index, y=df.value, data=df, width=0.4)

plt.show()

​

​