我在this article看过这个精彩的盒子图(图2)。
正如您所看到的,这是一个箱线图,其上叠加了黑点的散布:x索引黑点(按随机顺序),y是感兴趣的变量。我想用Matplotlib做类似的事情,但我不知道从哪里开始。到目前为止,我在网上发现的箱形图并不那么酷,看起来像这样:
matplotlib的文档:http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.boxplot
如何将箱形图着色:https://github.com/jbmouret/matplotlib_for_papers#colored-boxes
您正在寻找的是一种向x轴添加抖动的方法。
这样的东西取自here:
bp = titanic.boxplot(column='age', by='pclass', grid=False)
for i in [1,2,3]:
y = titanic.age[titanic.pclass==i].dropna()
# Add some random "jitter" to the x-axis
x = np.random.normal(i, 0.04, size=len(y))
plot(x, y, 'r.', alpha=0.2)
引用链接:
向箱线图添加附加信息的一种方法是覆盖实际数据;这通常最适合于小型或中型数据系列。当数据密集时,上面使用的一些技巧有助于可视化:
- 降低alpha级别以使点部分透明
- 沿x轴添加随机“抖动”以避免过度打击
代码如下所示:
import pylab as P
import numpy as np
# Define data
# Define numBoxes
P.figure()
bp = P.boxplot(data)
for i in range(numBoxes):
y = data[i]
x = np.random.normal(1+i, 0.04, size=len(y))
P.plot(x, y, 'r.', alpha=0.2)
P.show()
扩展Kyrubas的解决方案并仅使用matplotlib作为绘图部分(有时我很难用matplotlib格式化pandas图)。
from matplotlib import cm
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# initialize dataframe
n = 200
ngroup = 3
df = pd.DataFrame({'data': np.random.rand(n), 'group': map(np.floor, np.random.rand(n) * ngroup)})
group = 'group'
column = 'data'
grouped = df.groupby(group)
names, vals, xs = [], [] ,[]
for i, (name, subdf) in enumerate(grouped):
names.append(name)
vals.append(subdf[column].tolist())
xs.append(np.random.normal(i+1, 0.04, subdf.shape[0]))
plt.boxplot(vals, labels=names)
ngroup = len(vals)
clevels = np.linspace(0., 1., ngroup)
for x, val, clevel in zip(xs, vals, clevels):
plt.scatter(x, val, c=cm.prism(clevel), alpha=0.4)
作为一个更简单,可能更新的选项,您可以使用seaborn
的swarmplot
选项。
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
tips = sns.load_dataset("tips")
ax = sns.boxplot(x="day", y="total_bill", data=tips, showfliers = False)
ax = sns.swarmplot(x="day", y="total_bill", data=tips, color=".25")
plt.show()