Добавление разброса точек к ящику с использованием matplotlib

Я видел этот замечательный boxplot в в этой статье (Рис .2).

A wonderful boxplot

Как вы можете видеть, это ящик, на который накладывается разброс черных точек: x индексирует черные точки (в случайном порядке), y - представляющая интерес переменная. Я хотел бы сделать что-то подобное, используя Matplotlib, но я понятия не имею, с чего начать. До сих пор ящики, которые я нашел в Интернете, менее прохладны и выглядят так:

Usual boxplots

Документация matplotlib: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.boxplot

Способы раскраски ящиков: https://github.com/jbmouret/matplotlib_for_papers#colored-boxes

Ответы

Ответ 1

То, что вы ищете, - это способ добавить дрожание к оси x.

Что-то вроде этого взято из здесь:

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)

enter image description here

Цитирование ссылки:

Один из способов добавить дополнительную информацию в блок-план - это оверлей фактические данные; это, как правило, наиболее подходит для малых или ряды данных среднего размера. Когда данные плотны, несколько трюков используемые выше, помогают визуализации:

  • снижение уровня альфа, чтобы сделать частично прозрачными.
  • добавление случайного "дрожания" вдоль оси х, чтобы избежать чрезмерного

Код выглядит следующим образом:

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()

Ответ 2

Расширение решения на Кирубасе и использование только matplotlib для сюжетной части (иногда мне сложно форматировать pandas plot с matplotlib).

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)

enter image description here

Ответ 4

Как более простой, возможно, более новый вариант, вы можете использовать seaborn swarmplot.

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()

enter image description here