爲什麼DataFrameGroupBy.boxplot方法在給定參數「subplots = True/False」時拋出錯誤？

Question

我可以使用DataFrameGroupBy.boxplot（...）以下面的方式來創建一個箱線圖：

In [15]: df = pd.DataFrame({"gene_length":[100,100,100,200,200,200,300,300,300], 
...:      "gene_id":[1,1,1,2,2,2,3,3,3], 
...:      "density":[0.4,1.1,1.2,1.9,2.0,2.5,2.2,3.0,3.3], 
...:      "cohort":["USA","EUR","FIJ","USA","EUR","FIJ","USA","EUR","FIJ"]}) 

In [17]: df.groupby("cohort").boxplot(column="density",by="gene_id")

In [18]: plt.show()

這將產生以下圖片：

這正是我想要的，除了不是做三個小區，我希望所有的小區都在一個小區裏（用不同的colo rs爲美國，歐元和FIJ）。我試過

In [17]: df.groupby("cohort").boxplot(column="density",subplots=False,by="gene_id")

但它所產生的誤差

KeyError: 'gene_id'

我認爲這個問題有事情做的事實，by="gene_id"發送到matplotlib箱線圖方法的關鍵字。如果有人有更好的方式來製作劇情，那麼可能是通過使用DataFrame.boxplot（？）來代替，請在這裏回答。非常感謝！

Answer 1

要使用純pandas功能，我覺得你不應該GroupBy調用boxplot之前，而是在呼叫請求組由某些列boxplot在DataFrame本身：

df.boxplot(column='density',by=['gene_id','cohort']) 

要獲得更好看的結果，您可能需要考慮使用Seaborn庫。它的目的是用這種任務正是幫助：

sns.boxplot(data=df,x='gene_id',y='density',hue='cohort') 

編輯如果你想要讓每個堆疊組別的盒狀圖/疊加每個gene_id的要考慮到以下 帳戶評論，這有點複雜（加上你可能會輸出相當醜陋的結果）。你不能用Seaborn，AFAIK做到這一點，但你可以直接使用position=參數給boxplot（see doc）。抓住它來產生正確的位置序列，以將盒子圖放置在你想要的地方，但你必須自己修復刻度標籤和圖例。

pos = [i for i in range(len(df.gene_id.unique())) for _ in range(len(df.cohort.unique()))] 
df.boxplot(column='density',by=['gene_id','cohort'],positions=pos) 

另一種方法是使用seaborn.swarmplot而不是使用箱線圖。一個swarmplot繪製每個點而不是boxplots的綜合表示，但是您可以使用參數split=False獲取由羣組着色的點，但是每個gene_id都堆疊在彼此的頂部。

sns.swarmplot(data=df,x='gene_id',y='density',hue='cohort', split=False) 

不知道你的數據幀的實際內容（每個基因和每個隊列點的數量，以及如何分離，他們在每個隊列），它是很難說哪種解決方案是最適當。