Python 数据集每个变量的seaborn.boxplot
我在和警察一起工作。要显示一个方框图,其中Y轴是数据帧的变量(例如:radius_mean),X轴是诊断,请执行以下操作:Python 数据集每个变量的seaborn.boxplot,python,seaborn,boxplot,Python,Seaborn,Boxplot,我在和警察一起工作。要显示一个方框图,其中Y轴是数据帧的变量(例如:radius_mean),X轴是诊断,请执行以下操作: sns.boxplot(x='label', y='radius', data=dsWisconsin) (dsWisconsin是从.csv加载熊猫的数据帧) 我的问题是,如何显示每个变量的所有箱线图(在网格中),而不是为每个变量执行前面的代码 例如,类似这样的东西,但带有威斯康星州每个变量的箱线图: 如您所见,尽管可以在一个绘图中拟合所有变量,但这并不是一个非常有用
sns.boxplot(x='label', y='radius', data=dsWisconsin)
(dsWisconsin是从.csv加载熊猫的数据帧)
我的问题是,如何显示每个变量的所有箱线图(在网格中),而不是为每个变量执行前面的代码
例如,类似这样的东西,但带有威斯康星州每个变量的箱线图:
如您所见,尽管可以在一个绘图中拟合所有变量,但这并不是一个非常有用的可视化。因此,我建议您遵循第二个示例,其中您得到5个数字,每个数字有7个子图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.read_csv('C:\wisconsin.csv', index_col=0)
n_rows = 5
n_cols = 6
count = 0
col_num = 1
plt.subplots(n_rows, n_cols)
for i in range(n_rows):
for j in range(n_cols):
plt.subplot(n_rows, n_cols, count+1)
sns.boxplot(df.iloc[:, col_num], orient='vertical')
if col_num < df.shape[1] :
count += 1
col_num += 1
plt.show()
您可以将数据转换为整洁的格式,并使用
FaceGrid
df = df.melt(id_vars=['id', 'diagnosis'])
df[:3]
# id diagnosis variable value
# 0 842302 M radius_mean 17.99
# 1 842517 M radius_mean 20.57
# 2 84300903 M radius_mean 19.69
cols = ['radius_mean', 'texture_mean', 'perimeter_mean', 'area_mean']
grid = sns.axisgrid.FacetGrid(df[df.variable.isin(cols)], col='variable', sharey=False)
grid.map(sns.boxplot, 'diagnosis','value')
df = df.melt(id_vars=['id', 'diagnosis'])
df[:3]
# id diagnosis variable value
# 0 842302 M radius_mean 17.99
# 1 842517 M radius_mean 20.57
# 2 84300903 M radius_mean 19.69
cols = ['radius_mean', 'texture_mean', 'perimeter_mean', 'area_mean']
grid = sns.axisgrid.FacetGrid(df[df.variable.isin(cols)], col='variable', sharey=False)
grid.map(sns.boxplot, 'diagnosis','value')