Python 如何使用来自同一数据帧的数据剪切创建seaborn的多个箱线图

我目前有一个数据框，其中包含不同的存储和与每个存储关联的分数。每一行表示特定时间段的一组分数，因此每个存储在数据集中表示多次。我想建立一系列的箱线图，每个商店一个，并显示每个分数的分布，针对特定的分数

到目前为止，我确信唯一有效的方法是创建新的过滤数据帧，然后分别对每个数据帧进行箱线图。然而，我觉得有一个更优雅的解决方案，可能涉及到for循环，我不必手动构建每个单独的数据帧

df=pd.read\u csv（'Store\u scores.csv'））
df_storeA=df.loc['Store_A'，：]
df_storeB=df.loc['Store_B'，：]
df_storeC=df.loc['Store_C'，：]
sns.boxplot（数据=df_storeA，y=value，x=categories）
sns.boxplot（数据=df_storeB，y=value，x=categories）
sns.boxplot（数据=df_storeC，y=value，x=categories）

---

虽然这在技术上是可行的，但数据集中有几个存储区，所以我希望少一点手工操作，多一点健壮。

假设您的值和类别不变，您可以使用您提到的for循环

df = pd.read_csv('Store_scores.csv')

#removes duplicates
stores = set(df.index)

#iterate over the stores and plot
for store in stores:    
    sns.boxplot(data=df.loc[store,:], y=values, x=categories)

---

由于您的数据显示了存储区上的索引，因此考虑在其中创建一个列，并将其作为一个调用中的色度包含在<代码> Seabn.Box Prime/COD>（假设类别是可管理的、少量的）中：

---

要使用随机种子数据演示：

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns

np.random.seed(72319)
random_df = (pd.DataFrame({'categories': np.random.choice(['julia', 'python', 'r'], 500),
                          'values': np.random.uniform(50, 100, 500),                         
                         }, index = np.random.choice(['Store_A', 'Store_B', 'Store_C'], 500))
               .sort_index())

random_df = random_df.reset_index()

fig, ax = plt.subplots(figsize=(13,5))
sns.boxplot(data=random_df, x="categories", y="values", hue="index", ax=ax)

plt.show()
plt.clf()
plt.close()

---

请提供数据帧的表示形式好吗？或者，更好的是，给我们几行代码，展示如何自己制作（如果只是使用虚拟数据）？

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns

np.random.seed(72319)
random_df = (pd.DataFrame({'categories': np.random.choice(['julia', 'python', 'r'], 500),
                          'values': np.random.uniform(50, 100, 500),                         
                         }, index = np.random.choice(['Store_A', 'Store_B', 'Store_C'], 500))
               .sort_index())

random_df = random_df.reset_index()

fig, ax = plt.subplots(figsize=(13,5))
sns.boxplot(data=random_df, x="categories", y="values", hue="index", ax=ax)

plt.show()
plt.clf()
plt.close()