Python 箱线图和散点图

我有一个时间序列数据，我想建立一个覆盖的散点图和箱线图。数据如下：

    TokenUsed   date
0   8   2020-01-05
1   8   2020-01-05
2   8   2020-01-05
3   8   2020-01-05
4   8   2020-01-05
... ... ...
51040   7   2020-02-23
51041   7   2020-02-23
51042   7   2020-02-23
51043   7   2020-02-23
51044   7   2020-02-23

这个时间序列可以整洁地显示为箱线图（我对x轴作为日期遇到了问题，但解决了将其转换为字符串的问题）。现在，在我的例子中，我只想显示sum优于阈值（>81）的数据。代码和生成的图像如下所示：

fig, ax = plt.subplots(figsize = (12,6))  



ax = sns.boxplot(x="date", y="TokenUsed", data=df, ax= ax, whis=[0,100])


ax.axhline(81)

plt.locator_params(axis='x', nbins=10)
plt.show()

当我添加散点图时，我得到图像（2），通过仅过滤那些>81的图像，我得到图像（3）。我不明白的是为什么这两张图之间的x轴看起来不匹配

代码：

答复: 请尝试编辑您的筛选，以便不会实际删除

df

行。也就是说，专门在

TokenUsed

列上应用掩码，以便将值替换为

NaN

（而不是删除整行）。以下是我将如何实现这一点：

#make a new copy df, use that to plot
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)
ax = sns.scatterplot(x="date", y="TokenUsed", data=df2, ax= ax,color=".25")

---

如果我使用与您应用的过滤器相同的过滤器，我会遇到相同的问题。

太好了！这正是问题所在。我忘了掩码函数保留索引！

#make a new copy df, use that to plot
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)
ax = sns.scatterplot(x="date", y="TokenUsed", data=df2, ax= ax,color=".25")

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# fake data, only one date has values over 80
dr = ['01-05-2020'] * 100 + ['01-12-2020'] * 100 + ['01-19-2020'] * 100
data = list(np.random.randint(0,80,200)) + list(np.random.randint(50,150,100))
df = pd.DataFrame({'date':dr, 'TokenUsed':data})

fig, ax = plt.subplots(figsize = (12,6))
ax = sns.boxplot(x="date", y="TokenUsed", data=df, ax=ax, whis=[0,100])

df2 = df.copy()
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)

# the fix
df2 = df.copy()
df2['TokenUsed'] = df2['TokenUsed'].mask(df2['TokenUsed'] < 81)
ax = sns.scatterplot(x="date", y="TokenUsed", data=df2, ax= ax,color=".25")

ax.axhline(81)
plt.locator_params(axis='x', nbins=10)
plt.show()