如何使用额外的百分位数自定义 pandas 盒须图？
How to customise pandas box and whisker plot with additional percentiles?
我正在尝试使用 pandas.
制作以下情节，该情节是在 excel 中制作的
工作中的许多绘图都是使用 excel 完成的，将数据转换为所需格式既繁琐又乏味。我想使用 pandas，但我的老板希望看到正在制作的完全相同（或非常接近）的地块。
我通常将 seaborn 用于箱形图，发现它非常方便，但我需要显示更多百分位数（第 5、10、25、50、75、90 和 95），如图例所示。
我知道 seaborn/matplotlib 让我可以使用 whis=[10,90] 更改胡须范围，并且我可以使用 showmean=True，但这会留下其他标记（第 95 和第 5 个百分位数）添加到每个地块。如何叠加这些？
我根据需要对数据进行了分组，我可以使用 .describe() 提取百分位数，如下所示
pcntls=assay.groupby(['LocalSTRAT']).describe(percentiles=[0.1,0.05,0.25,0.5,0.75,0.9,0.95])
and transform 这给了我这个：
LocalSTRAT AB CBC CLB LAB LBB LBL MS TB TBL UAB UBB
count 982.000000 234.000000 159.000000 530.000000 1136.000000 72.000000 267.000000 1741.000000 16.000000 1641.000000 2099.000000
mean 0.687658 1.410962 0.118302 0.211321 0.110251 0.077917 0.766124 0.262648 0.191875 0.119174 1.320357
std 0.814027 0.855342 0.148397 0.286574 0.146550 0.088921 0.647259 0.309134 0.125497 0.207197 1.393613
min 0.005000 0.005000 0.020000 0.005000 0.005000 0.010000 0.005000 0.005000 0.060000 0.005000 0.005000
5% 0.030000 0.196500 0.030000 0.020000 0.020000 0.020000 0.060000 0.020000 0.067500 0.005000 0.170000
10% 0.050000 0.363000 0.038000 0.020000 0.020000 0.021000 0.096000 0.030000 0.070000 0.020000 0.230000
25% 0.130000 0.825000 0.045000 0.050000 0.030000 0.030000 0.225000 0.050000 0.077500 0.030000 0.450000
50% 0.400000 1.260000 0.070000 0.120000 0.050000 0.050000 0.610000 0.150000 0.175000 0.060000 0.940000
75% 0.950000 1.947500 0.140000 0.250000 0.120000 0.072500 1.120000 0.350000 0.257500 0.130000 1.570000
90% 1.720000 2.411000 0.262000 0.520000 0.265000 0.149000 1.624000 0.640000 0.340000 0.250000 2.770000
95% 2.370000 2.967500 0.322000 0.685500 0.390000 0.237000 2.037000 0.880000 0.390000 0.410000 4.322000
max 7.040000 5.070000 1.510000 2.620000 1.450000 0.580000 3.530000 2.390000 0.480000 4.190000 11.600000
我对如何使用此输出从头开始构建箱线图感到困惑。
我认为以正常方式构建一些箱线图，然后在顶部添加额外的几个数据点（第 5 个和第 95 个百分位标记）更容易，但不知道如何做到这一点。
（制作如图所示的图例或如何将其图像文件插入我的绘图、获取对数样式网格线并在 x 轴中包含计数的方法的奖励积分！）
只需使用从 .describe() 输出中提取的百分位数叠加散点图，记住对两者进行排序以确保顺序不会混淆。
图例在外部制作为图像并单独插入。
计数是使用 plt.text() 计算和添加的。
使用 plt.grid(True, which='both') 应用对数网格线并将轴设置为记录。
下面的代码和结果。
import pandas as pd
import seaborn as sns
import matplotlib
import matplotlib.pyplot as plt
pathx = r"C:\boxplots2.xlsx"
pathx = pathx.replace( "\", "/")#avoid escape character issues
#print pathx
#pathx = pathx[1:len(pathx)-1]
df=pd.read_excel(pathx)
#this line removes missing data rows (where the strat is not specified)
df=df[df["STRAT"]!=0]
assay=df
factor_to_plot='Total %S'
f=factor_to_plot
x_axis_factor='STRAT'
g=x_axis_factor
pcntls=assay.groupby([g]).describe(percentiles=[0.05,0.1,0.25,0.5,0.75,0.9,0.95])
sumry= pcntls[f].T
#print sumry
ordered=sorted(assay[g].dropna().unique())
#set figure size and scale text
plt.rcParams['figure.figsize']=(15,10)
text_scaling=1.9
sns.set(style="whitegrid")
sns.set_context("paper", font_scale=text_scaling)
#plot boxplot
ax=sns.boxplot(x=assay[g],y=assay[f],width=0.5,order=ordered, whis=[10,90],data=assay, showfliers=False,color='lightblue',
showmeans=True,meanprops={"marker":"x","markersize":12,"markerfacecolor":"white", "markeredgecolor":"black"})
plt.axhline(0.3, color='green',linestyle='dashed', label="S%=0.3")
#this line sets the scale to logarithmic
ax.set_yscale('log')
leg= plt.legend(markerscale=1.5,bbox_to_anchor=(1.0, 0.5) )#,bbox_to_anchor=(1.0, 0.5)
#plt.title("Assay data")
plt.grid(True, which='both')
ax.scatter(x=sorted(list(sumry.columns.values)),y=sumry.loc['5%'],s=120,color='white',edgecolor='black')
ax.scatter(x=sorted(list(sumry.columns.values)),y=sumry.loc['95%'],s=120,color='white',edgecolor='black')
#add legend image
img = plt.imread("legend.jpg")
plt.figimage(img, 1900,900, zorder=1, alpha=1)
#next line is important, select a column that has no blanks or nans as the total items are counted.
assay['value']=assay['From']
vals=assay.groupby([g])['value'].count()
j=vals
ymin, ymax = ax.get_ylim()
xmin, xmax = ax.get_xlim()
#print ymax
#put n= values at top of plot
x=0
for i in range(len(j)):
plt.text(x = x , y = ymax+0.2, s = "N=\n" +str(int(j[i])),horizontalalignment='center')
#plt.text(x = x , y = 102.75, s = "n=",horizontalalignment='center')
x+=1
#use the section below to adjust the y axis lable format to avoid default of 10^0 etc for log scale plots.
ylabels = ['{:.1f}'.format(y) for y in ax.get_yticks()]
ax.set_yticklabels(ylabels)
给出：
我正在尝试使用 pandas.
制作以下情节，该情节是在 excel 中制作的工作中的许多绘图都是使用 excel 完成的，将数据转换为所需格式既繁琐又乏味。我想使用 pandas，但我的老板希望看到正在制作的完全相同（或非常接近）的地块。
我通常将 seaborn 用于箱形图，发现它非常方便，但我需要显示更多百分位数（第 5、10、25、50、75、90 和 95），如图例所示。
我知道 seaborn/matplotlib 让我可以使用 whis=[10,90] 更改胡须范围，并且我可以使用 showmean=True，但这会留下其他标记（第 95 和第 5 个百分位数）添加到每个地块。如何叠加这些？
我根据需要对数据进行了分组，我可以使用 .describe() 提取百分位数，如下所示
pcntls=assay.groupby(['LocalSTRAT']).describe(percentiles=[0.1,0.05,0.25,0.5,0.75,0.9,0.95])
and transform 这给了我这个：
LocalSTRAT AB CBC CLB LAB LBB LBL MS TB TBL UAB UBB
count 982.000000 234.000000 159.000000 530.000000 1136.000000 72.000000 267.000000 1741.000000 16.000000 1641.000000 2099.000000
mean 0.687658 1.410962 0.118302 0.211321 0.110251 0.077917 0.766124 0.262648 0.191875 0.119174 1.320357
std 0.814027 0.855342 0.148397 0.286574 0.146550 0.088921 0.647259 0.309134 0.125497 0.207197 1.393613
min 0.005000 0.005000 0.020000 0.005000 0.005000 0.010000 0.005000 0.005000 0.060000 0.005000 0.005000
5% 0.030000 0.196500 0.030000 0.020000 0.020000 0.020000 0.060000 0.020000 0.067500 0.005000 0.170000
10% 0.050000 0.363000 0.038000 0.020000 0.020000 0.021000 0.096000 0.030000 0.070000 0.020000 0.230000
25% 0.130000 0.825000 0.045000 0.050000 0.030000 0.030000 0.225000 0.050000 0.077500 0.030000 0.450000
50% 0.400000 1.260000 0.070000 0.120000 0.050000 0.050000 0.610000 0.150000 0.175000 0.060000 0.940000
75% 0.950000 1.947500 0.140000 0.250000 0.120000 0.072500 1.120000 0.350000 0.257500 0.130000 1.570000
90% 1.720000 2.411000 0.262000 0.520000 0.265000 0.149000 1.624000 0.640000 0.340000 0.250000 2.770000
95% 2.370000 2.967500 0.322000 0.685500 0.390000 0.237000 2.037000 0.880000 0.390000 0.410000 4.322000
max 7.040000 5.070000 1.510000 2.620000 1.450000 0.580000 3.530000 2.390000 0.480000 4.190000 11.600000
我对如何使用此输出从头开始构建箱线图感到困惑。
我认为以正常方式构建一些箱线图，然后在顶部添加额外的几个数据点（第 5 个和第 95 个百分位标记）更容易，但不知道如何做到这一点。
（制作如图所示的图例或如何将其图像文件插入我的绘图、获取对数样式网格线并在 x 轴中包含计数的方法的奖励积分！）
只需使用从 .describe() 输出中提取的百分位数叠加散点图，记住对两者进行排序以确保顺序不会混淆。 图例在外部制作为图像并单独插入。
计数是使用 plt.text() 计算和添加的。
使用 plt.grid(True, which='both') 应用对数网格线并将轴设置为记录。
下面的代码和结果。
import pandas as pd
import seaborn as sns
import matplotlib
import matplotlib.pyplot as plt
pathx = r"C:\boxplots2.xlsx"
pathx = pathx.replace( "\", "/")#avoid escape character issues
#print pathx
#pathx = pathx[1:len(pathx)-1]
df=pd.read_excel(pathx)
#this line removes missing data rows (where the strat is not specified)
df=df[df["STRAT"]!=0]
assay=df
factor_to_plot='Total %S'
f=factor_to_plot
x_axis_factor='STRAT'
g=x_axis_factor
pcntls=assay.groupby([g]).describe(percentiles=[0.05,0.1,0.25,0.5,0.75,0.9,0.95])
sumry= pcntls[f].T
#print sumry
ordered=sorted(assay[g].dropna().unique())
#set figure size and scale text
plt.rcParams['figure.figsize']=(15,10)
text_scaling=1.9
sns.set(style="whitegrid")
sns.set_context("paper", font_scale=text_scaling)
#plot boxplot
ax=sns.boxplot(x=assay[g],y=assay[f],width=0.5,order=ordered, whis=[10,90],data=assay, showfliers=False,color='lightblue',
showmeans=True,meanprops={"marker":"x","markersize":12,"markerfacecolor":"white", "markeredgecolor":"black"})
plt.axhline(0.3, color='green',linestyle='dashed', label="S%=0.3")
#this line sets the scale to logarithmic
ax.set_yscale('log')
leg= plt.legend(markerscale=1.5,bbox_to_anchor=(1.0, 0.5) )#,bbox_to_anchor=(1.0, 0.5)
#plt.title("Assay data")
plt.grid(True, which='both')
ax.scatter(x=sorted(list(sumry.columns.values)),y=sumry.loc['5%'],s=120,color='white',edgecolor='black')
ax.scatter(x=sorted(list(sumry.columns.values)),y=sumry.loc['95%'],s=120,color='white',edgecolor='black')
#add legend image
img = plt.imread("legend.jpg")
plt.figimage(img, 1900,900, zorder=1, alpha=1)
#next line is important, select a column that has no blanks or nans as the total items are counted.
assay['value']=assay['From']
vals=assay.groupby([g])['value'].count()
j=vals
ymin, ymax = ax.get_ylim()
xmin, xmax = ax.get_xlim()
#print ymax
#put n= values at top of plot
x=0
for i in range(len(j)):
plt.text(x = x , y = ymax+0.2, s = "N=\n" +str(int(j[i])),horizontalalignment='center')
#plt.text(x = x , y = 102.75, s = "n=",horizontalalignment='center')
x+=1
#use the section below to adjust the y axis lable format to avoid default of 10^0 etc for log scale plots.
ylabels = ['{:.1f}'.format(y) for y in ax.get_yticks()]
ax.set_yticklabels(ylabels)
给出：