根据平均值绘制彩色箱线图 - Plotly

Question

我读过很多类似的问题，但它们都很老了（看看这个，这正是我正在寻找的问题https://community.plotly.com/t/how-to-color-boxplot-by-continuous-色阶/9215）。

看这个例子：

import numpy as np
import pandas as pd
import plotly.express as px
from scipy.stats import norm

a = norm(0, 2).rvs(100)
b = norm(2, 2).rvs(100)
c = norm(4, 2).rvs(100)
vals = np.concatenate([a, b, c])
cat = list(''.join([f'{i}' * 100 for i in ['a', 'b', 'c']]))

tdf = pd.DataFrame({
    'Category': cat,
    'Values': vals
})

px.box(tdf, x='Category', y='Values')

这是输出

我想使用色标根据每个框的平均值为每个框着色。

这可以在 Plotly 或 Dash 中做到吗？

解决方法

对于需要解决此问题的其他人，这是我的解决方案。但这不会显示图例。

def colored_boxplot(df, x, y, cmap_name='viridis'):
    """Create a boxplot using plotly. Each box will be colored according to its median value

    Args:
        df (_type_): pandas.DataFrame
        x (_type_): column name of the x axis
        y (_type_): column name of the y axis
        cmap_name (str, optional): matplotlib colormap name. Defaults to 'viridis'.
    """

    # grouping_col = 'Category'  = x
    # value_col = 'Values'  = y
    medians = df.groupby(x).median()[y]
    miny = min(medians)
    maxy = max(medians)

    def get_color(value, minx, maxx, cmap_name='viridis'):
        norm = plt.Normalize(minx, maxx)
        norm_val = (value - minx) / (maxx - minx)

        cmap = plt.get_cmap(cmap_name)
        value_color = cmap(norm_val)
        return value_color

    fig = go.Figure()
    for cat in df[x].unique():
        sdf = df[df[x] == cat]
        fig.add_trace(go.Box(
            x=sdf[x],
            y=sdf[y],
            marker=dict(
                color=f"rgba{get_color(sdf[y].median(), miny, maxy)}"
            )
        ))
    return fig

Answer 1

我不太擅长统计，但我认为我写的解决方案很好。也许统计逻辑是错误的，但我编写代码的方式希望是好的。

我使用box函数的

color

参数将这个任务委托给Plotly。我创建了 3 个列表来存储平均值的副本。当我创建

Box

时，我指定它可能遵循哪个 euristic (

color='Mean'

):

import numpy as np
import pandas as pd
import plotly.express as px
from scipy.stats import norm

a = norm(0, 2).rvs(100)
mean = np.mean(a)
a_mean = np.array([mean for _ in range(100)])

b = norm(2, 2).rvs(100)
mean = np.mean(b)
b_mean: np.array = np.array([mean for _ in range(100)])

c = norm(4, 2).rvs(100)
mean = np.mean(c)
c_mean: np.array = np.array([mean for _ in range(100)])

cat = list(''.join([f'{i}' * 100 for i in ['a', 'b', 'c']]))
vals = np.concatenate([a, b, c])
mean = np.concatenate([a_mean, b_mean, c_mean])

tdf = pd.DataFrame({
    'Category': cat,
    'Values': vals,
    'Mean': mean
})

result = px.box(tdf, x='Category', y='Values', color='Mean')
result.show()

结果是：