Python 如何在seaborn中以箱线图的形式迭代绘制不同的数据（不重叠）？

是否有一种方法可以使用

seaborn

迭代地绘制数据，而不会使箱线图重叠？（无需将数据集合并为单个数据集）

背景

有时，在比较不同（例如大小/形状）数据集时，相互比较通常是有用的，可以通过使用不同的共享变量（通过和，如下所示）对数据集进行组合

以前，我使用

matplotlib

循环单独的数据帧（通过提供y轴位置值作为

位置

参数，以确保箱线图不重叠），在同一轴上以箱线图的形式重复绘制这些“装箱”数据

示例

下面是一个简化示例，显示了使用

sns.boxplot（）

时中的重叠图：

更多细节

我意识到上面的简化示例可以通过组合数据帧并向

sns.boxplot（）

提供

hue

参数来解决

更新提供的数据帧的索引也没有帮助，因为随后将使用最后提供的数据帧中的y值

提供

kwargs

参数（例如

kwargs={'positions'：dfs[n].T.index}

）将不起作用，因为这会引发

TypeError

TypeError:boxplot（）为关键字参数获取了多个值 “职位”

将

sns.boxplot（）

的

dodge

参数设置为

True

并不能解决这个问题。

有趣的是，我提出的“hack”可以在这里应用

这使代码有点复杂，因为seaborn希望使用色调嵌套的是长格式数据帧而不是宽格式数据帧

# Get the tips dataset and select a subset as an example
tips = sns.load_dataset("tips")
df = tips[['total_bill',   'tip'] ]

# Group the data by 
bins = [0, 1, 2, 3, 4]
gdf = df.groupby( pd.cut(df['tip'].values, bins ) )
data = [ i[1]['total_bill'].values  for i in gdf]
df = pd.DataFrame( data , index = bins[:-1]).T
dfm = df.melt() # create a long-form database
dfm.loc[:,'dummy'] = 'dummy'

# Create a second, slightly different, DataFrame
dfm2 = dfm.copy()
dfm2.value = dfm.value*2
dfs = [ dfm, dfm2 ]
colors = ['red', 'black']
hue_orders = [['dummy','other'], ['other','dummy']]

# Create an axis for both DataFrames to be plotted on
fig, ax = plt.subplots()

# Loop the DataFrames and plot
for n in range(2):
    ax = sns.boxplot( data=dfs[n], x='value', y='variable', hue='dummy', hue_order=hue_orders[n], ax=ax, width=0.2, orient='h', 
                      color=colors[n] )
ax.legend_.remove()
plt.show()

---

您需要在sns前后的循环中创建plt设置。boxplot通常的策略实际上是将数据合并到单个数据帧中。为什么这里没有这个选项？@Mohsen_Fatemi，请给出您建议更新的设置？@ImportanceOfBeingErnest。我已经在你的评论之后更新了这个示例，试图强调这个示例中的数据帧在形状和内容上有所不同。谢谢Diziet！你的例子和a给了我我想要的东西。

# Get the tips dataset and select a subset as an example
tips = sns.load_dataset("tips")
df = tips[['total_bill',   'tip'] ]

# Group the data by 
bins = [0, 1, 2, 3, 4]
gdf = df.groupby( pd.cut(df['tip'].values, bins ) )
data = [ i[1]['total_bill'].values  for i in gdf]
df = pd.DataFrame( data , index = bins[:-1]).T
dfm = df.melt() # create a long-form database
dfm.loc[:,'dummy'] = 'dummy'

# Create a second, slightly different, DataFrame
dfm2 = dfm.copy()
dfm2.value = dfm.value*2
dfs = [ dfm, dfm2 ]
colors = ['red', 'black']
hue_orders = [['dummy','other'], ['other','dummy']]

# Create an axis for both DataFrames to be plotted on
fig, ax = plt.subplots()

# Loop the DataFrames and plot
for n in range(2):
    ax = sns.boxplot( data=dfs[n], x='value', y='variable', hue='dummy', hue_order=hue_orders[n], ax=ax, width=0.2, orient='h', 
                      color=colors[n] )
ax.legend_.remove()
plt.show()