[seaborn] seaborn學習筆記1——箱形圖Boxplot

1 箱形圖Boxplot(代碼下載)

Boxplot可能是最常見的圖形類型之一。它能夠很好表示數據中的分佈規律。箱型圖方框的末尾顯示了上下四分位數。極線顯示最高和最低值，不包括異常值。seaborn中用boxplot函數製作箱形圖。該章節主要內容有：

1. 基礎箱形圖繪製 Basic boxplot and input format
2. 自定義外觀 Custom boxplot appearance
3. 箱型圖的顏色設置 Control colors of boxplot
4. 分組箱圖 Grouped Boxplot
5. 箱圖的順序設置 Control order of boxplot
6. 添加散點分佈 Add jitter over boxplot
7. 顯示各類的樣本數 Show number of observation on boxplot
8. 箱形圖隱藏的數據處理 Hidden data under boxplot

#調用seaborn
import seaborn as sns
#調用seaborn自帶數據集
df = sns.load_dataset('iris')
#顯示數據集
df.head()

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

1. 基礎箱形圖繪製 Basic boxplot and input format

• 一個數值變量 One numerical variable only
• 一個數值變量和多個分組 One numerical variable, and several groups
• 多個數值變量 Several numerical variable
• 水平箱型圖 Horizontal boxplot with seaborn

# 一個數值變量 One numerical variable only
# 如果您只有一個數字變量，則可以使用此代碼獲得僅包含一個組的箱線圖。
# Make boxplot for one group only
# 顯示花萼長度sepal_length
sns.boxplot( y=df["sepal_length"] );

# 一個數值變量和多個分組 One numerical variable, and several groups
# 假設我們想要研究數值變量的分佈，但是對於每個組分別進行研究。在這裏，我們研究了3種花的萼片長度。
# x花的品種，y花萼長度
sns.boxplot( x=df["species"], y=df["sepal_length"] );

# 多個數值變量 Several numerical variable
# 可以研究幾個數值變量的分佈，比如說萼片的長度和寬度：
sns.boxplot(data=df.iloc[:,0:2]);

# 水平箱型圖 Horizontal boxplot with seaborn
# 用seaborn將你的箱圖水平轉動是非常簡單的。您可以切換x和y屬性，或使用選項orient ="h"
sns.boxplot( y=df["species"], x=df["sepal_length"] );

2. 自定義外觀 Custom boxplot appearance

• 自定義線寬 Custom line width
• 添加缺口 Add notch
• 控制箱的尺寸 Control box sizes

# 自定義線寬 Custom line width
# Change line width
# 根據linewidth改變線條寬度
sns.boxplot( x=df["species"], y=df["sepal_length"], linewidth=5);

# 添加缺口 Add notch
# notch設置爲true即可
sns.boxplot( x=df["species"], y=df["sepal_length"], notch=True);

# 控制箱的尺寸 Control box sizes
# Change width
sns.boxplot( x=df["species"], y=df["sepal_length"], width=0.3);

3. 箱型圖的顏色設置 Control colors of boxplot

• 調色板的使用 Use a color palette
• 單種顏色的使用 Uniform color
• 每組的特定顏色 Specific color for each group
• 單組高亮 Highlight a group
• 添加透明色 Add transparency to color

# 調色板的使用 Use a color palette 
# Python提出了幾種調色板。您可以像Set1，Set2，Set3，Paired，BuPu一樣調用RColorBrewer調色板，還有Blues或BuGn_r等調色板。
# 調色板各種顏色見 http://www.r-graph-gallery.com/38-rcolorbrewers-palettes/
# t通過plaette調用調色板，Use a color palette
sns.boxplot( x=df["species"], y=df["sepal_length"], palette="Blues");

# 單種顏色的使用 Uniform color
# 當然您可以輕鬆地爲每個盒子應用同樣的顏色。最常見的是b: blue
# 顏色列表 https://matplotlib.org/examples/color/named_colors.html
sns.boxplot( x=df["species"], y=df["sepal_length"], color="skyblue");

# 每組的特定顏色 Specific color for each group
# 用不用顏色描繪不同種類的花
my_pal = {"versicolor": "g", "setosa": "b", "virginica":"m"}
sns.boxplot( x=df["species"], y=df["sepal_length"], palette=my_pal);

# 單組高亮 Highlight a group
# 設定某一組爲紅色，其他組爲藍色
my_pal = {species: "r" if species == "versicolor" else "b" for species in df.species.unique()}
sns.boxplot( x=df["species"], y=df["sepal_length"], palette=my_pal);

# 添加透明色 Add transparency to color
# usual boxplot 正常繪圖
ax = sns.boxplot(x='species', y='sepal_length', data=df);
# Add transparency to colors 設置透明色
for patch in ax.artists:
    r, g, b, a = patch.get_facecolor()
    patch.set_facecolor((r, g, b, .3))

4. 分組箱圖 Grouped Boxplot

# 當您有一個數值變量，幾個組和子組時，將使用分組箱圖。使用seaborn很容易實現。Y是您的數字變量，x是組列，而hue是子組列。
# 調用tips數據集
df_tips = sns.load_dataset('tips')
df_tips.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

# Grouped boxplot 分組箱圖
# x日期，y餐費，hue自組列，palette調色盤
sns.boxplot(x="day", y="total_bill", hue="smoker", data=df_tips, palette="Set1");

5. 箱圖的順序設置 Control order of boxplot

#如果您按特定順序設定組，則箱圖通常會提供更多信息。這對seaborn來說是可行的。 
# specific order 通過order自定義組
p1=sns.boxplot(x='species', y='sepal_length', data=df, order=["virginica", "versicolor", "setosa"]);

# 中位數由大到小排列
# Find the order 設定中位數
my_order = df.groupby(by=["species"])["sepal_length"].median().iloc[::-1].index
# Give it to the boxplot
sns.boxplot(x='species', y='sepal_length', data=df, order=my_order);

6. 添加散點分佈 Add jitter over boxplot

# 可以在箱線圖上添加每種類別的散點分佈情況
# Usual boxplot 正常繪圖
ax = sns.boxplot(x='species', y='sepal_length', data=df)
# Add jitter with the swarmplot function 添加散點分佈
ax = sns.swarmplot(x='species', y='sepal_length', data=df, color="grey")

7. 顯示各類的樣本數 Show number of observation on boxplot

# 顯示每個組的觀察次數可能很有用

# 基礎的箱形圖
ax = sns.boxplot(x="species", y="sepal_length", data=df)
 
# Calculate number of obs per group & median to position labels 
# 計算各個種類的中位數
medians = df.groupby(['species'])['sepal_length'].median().values
# 統計各個種類的樣本數
nobs = df['species'].value_counts().values
nobs = [str(x) for x in nobs.tolist()]
nobs = ["n: " + i for i in nobs]
 
# Add it to the plot 
pos = range(len(nobs))
for tick,label in zip(pos,ax.get_xticklabels()):
    ax.text(pos[tick], medians[tick] + 0.03, nobs[tick], horizontalalignment='center', size='x-small', color='w', weight='semibold')

8. 箱形圖隱藏的數據處理 Hidden data under boxplot

• 添加分佈散點圖 boxplot with jitter
• 使用小提琴圖 use violinplot

箱形圖總結了幾個組的數值變量的分佈。但是箱形圖的問題不僅是丟失信息，這可能會結果有偏差。如果我們考慮下面的箱形圖，很容易得出結論，'C’組的價值高於其他組。但是，我們無法看到每個組中點的基本分佈是什麼，也沒有觀察每個組的觀察次數。所以我們需要對隱藏的數據進行處理

# libraries and data
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# Dataset:
a = pd.DataFrame({ 'group' : np.repeat('A',500), 'value': np.random.normal(10, 5, 500) })
b = pd.DataFrame({ 'group' : np.repeat('B',500), 'value': np.random.normal(13, 1.2, 500) })
c = pd.DataFrame({ 'group' : np.repeat('B',500), 'value': np.random.normal(18, 1.2, 500) })
d = pd.DataFrame({ 'group' : np.repeat('C',20), 'value': np.random.normal(25, 4, 20) })
e = pd.DataFrame({ 'group' : np.repeat('D',100), 'value': np.random.uniform(12, size=100) })
df=a.append(b).append(c).append(d).append(e)
 
# Usual boxplot
sns.boxplot(x='group', y='value', data=df);

# 添加分佈散點圖 boxplot with jitter
ax = sns.boxplot(x='group', y='value', data=df)
# 通過stripplot添加分佈散點圖，jitter設置數據間距
ax = sns.stripplot(x='group', y='value', data=df, color="orange", jitter=0.2, size=2.5)
plt.title("Boxplot with jitter", loc="left")

Text(0.0, 1.0, 'Boxplot with jitter')

# 使用小提琴圖 use violinplot
sns.violinplot( x='group', y='value', data=df)
plt.title("Violin plot", loc="left")

Text(0.0, 1.0, 'Violin plot')