Python Side-by-Side-Box-Plots auf derselben Figur

Question

Ich versuche, einen Box-Plot in Python 2.7 für jeden kategorischen Wert in der Spalte E von dem Pandas Datenrahmen unter

  A   B   C   D E 
0 0.647366 0.317832 0.875353 0.993592 1 
1 0.504790 0.041806 0.113889 0.445370 2 
2 0.769335 0.120647 0.749565 0.935732 3 
3 0.215003 0.497402 0.795033 0.246890 1 
4 0.841577 0.211128 0.248779 0.250432 1 
5 0.045797 0.710889 0.257784 0.207661 4 
6 0.229536 0.094308 0.464018 0.402725 3 
7 0.067887 0.591637 0.949509 0.858394 2 
8 0.827660 0.348025 0.507488 0.343006 3 
9 0.559795 0.820231 0.461300 0.921024 1 

ich bereit wäre zu erzeugen, zu tun dies mit Matplotlib oder einer anderen Plot-Bibliothek. Bis jetzt kann der obige Code alle Kategorien, die auf einem Diagramm kombiniert sind, grafisch darstellen. Hier ist der Code ist es, die oben genannten Daten zu erzeugen, und die Handlung zu erzeugen:

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
fig, ax = plt.subplots() 

# Data 
df = pd.DataFrame(np.random.rand(10,4),columns=list('ABCD')) 
df['E'] = [1,2,3,1,1,4,3,2,3,1] 

# Boxplot 
bp = ax.boxplot(df.iloc[:,:-1].values, widths=0.2) 
plt.show() 

In diesem Beispiel sind die Kategorien 1,2,3,4. Ich möchte separate Boxplots Seite an Seite auf der gleichen Figur für nur die Kategorien 1 und 2 darstellen und die Kategorienamen in der Legende zeigen.

Gibt es eine Möglichkeit, dies zu tun?

Weitere Informationen:

Der Ausgang der dritten Figur von here ähnlich aussehen sollte - ersetzen Sie "Ja", "Nein" von "1", "2".

Answer 1

mit diesem Start:

import numpy 
import pandas 
from matplotlib import pyplot 
import seaborn 
seaborn.set(style="ticks") 

# Data 
df = pandas.DataFrame(numpy.random.rand(10,4), columns=list('ABCD')) 
df['E'] = [1, 2, 3, 1, 1, 4, 3, 2, 3, 1] 

Sie haben ein paar Optionen. Wenn getrennte Achsen sind in Ordnung,

fig, axes = pyplot.subplots(ncols=4, figsize=(12, 5), sharey=True) 
df.query("E in [1, 2]").boxplot(by='E', return_type='axes', ax=axes) 

Wenn Sie 1 Achsen, denke ich Seaborn leichter sein wird. Sie müssen nur Ihre Daten bereinigen.

ax = (
    df.set_index('E', append=True) # set E as part of the index 
     .stack()      # pull A - D into rows 
     .to_frame()     # convert to a dataframe 
     .reset_index()    # make the index into reg. columns 
     .rename(columns={'level_2': 'quantity', 0: 'value'}) # rename columns 
     .drop('level_0', axis='columns') # drop junk columns 
     .pipe((seaborn.boxplot, 'data'), x='E', y='value', hue='quantity', order=[1, 2]) 
) 
seaborn.despine(trim=True) 

Die kühle Sache über Seaborn ist, dass die Parameter leicht zwicken eine Menge in Bezug auf die Handlung des Layout erreichen können. Wenn wir unsere hue und x Variablen wechseln, erhalten wir:

ax = (
    df.set_index('E', append=True) # set E as part of the index 
     .stack()      # pull A - D into rows 
     .to_frame()     # convert to a dataframe 
     .reset_index()    # make the index into reg. columns 
     .rename(columns={'level_2': 'quantity', 0: 'value'}) # rename columns 
     .drop('level_0', axis='columns') # drop junk columns 
     .pipe((seaborn.boxplot, 'data'), x='quantity', y='value', hue='E', hue_order=[1, 2]) 
) 
seaborn.despine(trim=True) 

Wenn Sie neugierig sind, ist die resultierende Datenrahmen etwa wie folgt aussieht:

E quantity  value 
0 1  A 0.935433 
1 1  B 0.862290 
2 1  C 0.197243 
3 1  D 0.977969 
4 2  A 0.675037 
5 2  B 0.494440 
6 2  C 0.492762 
7 2  D 0.531296 
8 3  A 0.119273 
9 3  B 0.303639 
10 3  C 0.911700 
11 3  D 0.807861