在Python中绘制双方框图（2轴方框图；方框图关联图）

我想用x轴和y轴上的方框图来绘制两个变量的分布。我想要得到的图表的例子可以在这里找到，但是他们使用的是R

我想知道是否有可能在Python中以

matlplotlib.pyplot

为例获得相同的结果。

boxplot

函数似乎不适用于这种图表

我为两组人做了类似的尝试：

import matplotlib.pyplot as plt
x1 = [x11, x12, ..., x1n]
x2 = [x21, x22, ..., x2n]
y1 = [y11, y12, ..., y1n]
y2 = [y21, y22, ..., y2n]

data = [list(zip(x1,y1)), list(zip(x2,y2))]
fig, ax = plt.subplots()
ax.boxplot(data)

结果如下：

---

以下是使用

numpys

百分位数法和
矩形
s和
Line2D
s进行实际绘图时解决问题的粗略尝试：

from matplotlib import pyplot as plt
from matplotlib.patches import Rectangle
from matplotlib.lines import Line2D

import numpy as np

def boxplot_2d(x,y, ax, whis=1.5):
    xlimits = [np.percentile(x, q) for q in (25, 50, 75)]
    ylimits = [np.percentile(y, q) for q in (25, 50, 75)]

    ##the box
    box = Rectangle(
        (xlimits[0],ylimits[0]),
        (xlimits[2]-xlimits[0]),
        (ylimits[2]-ylimits[0]),
        ec = 'k',
        zorder=0
    )
    ax.add_patch(box)

    ##the x median
    vline = Line2D(
        [xlimits[1],xlimits[1]],[ylimits[0],ylimits[2]],
        color='k',
        zorder=1
    )
    ax.add_line(vline)

    ##the y median
    hline = Line2D(
        [xlimits[0],xlimits[2]],[ylimits[1],ylimits[1]],
        color='k',
        zorder=1
    )
    ax.add_line(hline)

    ##the central point
    ax.plot([xlimits[1]],[ylimits[1]], color='k', marker='o')

    ##the x-whisker
    ##defined as in matplotlib boxplot:
    ##As a float, determines the reach of the whiskers to the beyond the
    ##first and third quartiles. In other words, where IQR is the
    ##interquartile range (Q3-Q1), the upper whisker will extend to
    ##last datum less than Q3 + whis*IQR). Similarly, the lower whisker
    ####will extend to the first datum greater than Q1 - whis*IQR. Beyond
    ##the whiskers, data are considered outliers and are plotted as
    ##individual points. Set this to an unreasonably high value to force
    ##the whiskers to show the min and max values. Alternatively, set this
    ##to an ascending sequence of percentile (e.g., [5, 95]) to set the
    ##whiskers at specific percentiles of the data. Finally, whis can
    ##be the string 'range' to force the whiskers to the min and max of
    ##the data.
    iqr = xlimits[2]-xlimits[0]

    ##left
    left = np.min(x[x > xlimits[0]-whis*iqr])
    whisker_line = Line2D(
        [left, xlimits[0]], [ylimits[1],ylimits[1]],
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_line)
    whisker_bar = Line2D(
        [left, left], [ylimits[0],ylimits[2]],
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_bar)

    ##right
    right = np.max(x[x < xlimits[2]+whis*iqr])
    whisker_line = Line2D(
        [right, xlimits[2]], [ylimits[1],ylimits[1]],
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_line)
    whisker_bar = Line2D(
        [right, right], [ylimits[0],ylimits[2]],
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_bar)

    ##the y-whisker
    iqr = ylimits[2]-ylimits[0]

    ##bottom
    bottom = np.min(y[y > ylimits[0]-whis*iqr])
    whisker_line = Line2D(
        [xlimits[1],xlimits[1]], [bottom, ylimits[0]], 
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_line)
    whisker_bar = Line2D(
        [xlimits[0],xlimits[2]], [bottom, bottom], 
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_bar)

    ##top
    top = np.max(y[y < ylimits[2]+whis*iqr])
    whisker_line = Line2D(
        [xlimits[1],xlimits[1]], [top, ylimits[2]], 
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_line)
    whisker_bar = Line2D(
        [xlimits[0],xlimits[2]], [top, top], 
        color = 'k',
        zorder = 1
    )
    ax.add_line(whisker_bar)

    ##outliers
    mask = (x<left)|(x>right)|(y<bottom)|(y>top)
    ax.scatter(
        x[mask],y[mask],
        facecolors='none', edgecolors='k'
    )

#the figure and axes
fig,(ax1,ax2) = plt.subplots(ncols=2)

#some fake data
x = np.random.rand(1000)**2
y = np.sqrt(np.random.rand(1000))
#x = np.random.rand(1000)
#y = np.random.rand(1000)

#plotting the original data
ax1.scatter(x,y,c='r', s=1)

#doing the box plot
boxplot_2d(x,y,ax=ax2, whis=1)

plt.show()

从matplotlib导入pyplot作为plt
从matplotlib.patches导入矩形
从matplotlib.lines导入Line2D
将numpy作为np导入
def箱线图_2d（x，y，ax，whis=1.5）：
xlimits=[np.百分位数（x，q）表示（25，50，75）]
ylimits=[np.百分位（y，q）表示（25，50，75）]
##盒子
长方形(
（xlimits[0]，ylimits[0]），
（xlimits[2]-xlimits[0]），
（ylimits[2]-ylimits[0]），
ec='k'，
zorder=0
)
ax.添加补丁（框）
##x中位数
vline=Line2D(
[xlimits[1]，xlimits[1]，[ylimits[0]，ylimits[2]，
color='k'，
佐德=1
)
ax.添加线（V线）
##y中位数
hline=Line2D(
[xlimits[0]，xlimits[2]，[ylimits[1]，ylimits[1]，
color='k'，
佐德=1
)
ax.add_行（hline）
##中心点
ax.plot（[xlimits[1]]，[ylimits[1]]，color='k'，marker='o'）
##x须
##在matplotlib boxplot中定义：
##作为一个浮子，它决定了触须到达的范围
##第一和第三个四分位数。换句话说，其中IQR是
##四分位区间（Q3-Q1），上部晶须将延伸至
##最后一个数据小于Q3+whis*IQR）。同样，下须
####将延伸至大于Q1的第一个基准面-whis*IQR。超过
##晶须、数据被视为异常值，并绘制为
##个人观点。将此设置为不合理的高值以强制执行
##显示最小值和最大值的胡须。或者，设置此选项
##以百分位数的升序（例如[5,95]）设置
##在数据的特定百分位上的胡须。最后，我们可以
##是字符串“范围”，以强制胡须达到最小值和最大值
##数据。
iqr=xlimits[2]-xlimits[0]
##左
左=np.min（x[x>xlimits[0]-whis*iqr]）
晶须线=线2D(
[左，xlimits[0]，[ylimits[1]，ylimits[1]，
颜色='k'，
佐德=1
)
ax.添加线（胡须线）
晶须条=线2D(
[左，左]，[ylimits[0]，ylimits[2]]，
颜色='k'，
佐德=1
)
ax.添加线（须条）
##对
右=np.max（x[xylimits[0]-whis*iqr]）
晶须线=线2D(
[xlimits[1]，xlimits[1]，[bottom，ylimits[0]，
颜色='k'，
佐德=1
)
ax.添加线（胡须线）
晶须条=线2D(
[xlimits[0]，xlimits[2]，[bottom，bottom]，
颜色='k'，
佐德=1
)
ax.添加线（须条）
##顶
top=np.max（y[y

当然，通过允许关键字参数，可以将这些参数转发到
矩形
和
Line2D
调用，这仍然可以做得更好。最终结果如下所示：


左侧以散点图的形式显示实际数据，右侧显示生成的二维方框图。希望这能有所帮助。
我建议您考虑绘制彩色散点图，而不是二维箱线图。其中一些例子很难非常清楚地说明任何事情。我不完全确定如何在matplotlib中实现这一点（但我非常确定），但真正的问题是为什么？使用当前的
boxplot
实现无法获得预期的结果，您必须编写自己的实现。如果可以计算
x
和
y
尺寸的第一个和第三个，则可以使用适当的coordinates@Andrew我需要一张科学文章中的图表。彩色散点图是在初衷中制作的，但我们相信，通过双箱线图将更容易可视化我们想要显示的信息@DizietAsahi我要试试，谢谢你使用
矩形的提示。如果我成功了，我会尝试一些东西并发布一个答案。我希望你是对的。如果这些例子有什么值得参考的话，我想我很难从这些例子中看出任何不可能是我的意义