在python中使用rpy2将分位数输入ggplot geom_箱线图

我有以下箱线图：

import os
iris = pandas.read_table(os.path.expanduser("~/iris.csv"),
                         sep=",")
iris["Species"] = iris["Name"]
r_melted = conversion_pydataframe(iris)
p = ggplot2.ggplot(r_melted) + \
    ggplot2.geom_boxplot(aes_string(**{"x": "PetalLength",
                                       "y": "PetalWidth",
                                       "fill": "Species"})) + \
    ggplot2.facet_grid(Formula("Species ~ .")) + \
    ggplot2.coord_flip()
p.plot()

我的问题是：如何更改方框图中绘制的胡须/分位数？假设我有一个数据帧，在其中我可以按行或列计算分位数，如：

quantiles_df = iris.quantiles(q=0.85, axis=1)

---

那么，我如何使用

分位数_df

作为

geom_箱线图

的输入，以便它绘制例如0.2到0.85百分位数，而不是标准的0.25到0.75？谢谢。

您可以从R中的这一点开始。首先计算一个变量（此处为花瓣宽度）的每个物种的百分位数，并将其用于绘图。通过指定

ymin

（=下晶须边界）、

lower

（=框的下边界）、

middle

（=框中的线）、

upper

（=框的上边界）、

ymax

（=上晶须边界）并添加

stat=“identity”

，您可以自定义箱线图

library(reshape2)
library(plyr)
library(ggplot2)

dataf <- ddply(iris, .(Species), summarize, quantilesy= quantile(Petal.Width, c(0,0.2, 0.5,0.85,1 )))
dataf$Labels <- rep(c("0%", "20%","50%","85%", "100%"),length(unique(dataf$Species)))

dataf2 <- reshape(dataf , idvar = c("Species"),timevar = "Labels", direction = "wide")
datafmeanx <- ddply(iris, .(Species), summarize, meanx= mean(Petal.Length))
dataf3 <- merge(dataf2,datafmeanx)

b <- ggplot(dataf3 , aes(x=meanx,ymin = `quantilesy.0%`, lower = `quantilesy.20%`, middle = `quantilesy.50%`, upper = `quantilesy.85%`, ymax = `quantilesy.100%`))
b + geom_boxplot(stat = "identity")+ facet_grid(Species~.) + xlab("Mean PetalLength") + ylab("PetalWidth")

library（重塑2）
图书馆（plyr）
图书馆（GG2）
你能发布你的完整代码吗？您正在导入熊猫。还有什么吗？你能解释一下dataf3的最终格式吗？那些反报价在做什么？将那些
ddply
调用转换为pandas是很困难的。我想应该使用
groupby
，但我发现这种格式非常隐晦，因此很难翻译成python，因为“%”是ggplot中的非法字符，我不得不将名称括在反勾中。如果删除“%”符号，则可以绘制无刻度的绘图。我加上去了。尝试在R中运行它以查看数据F3的最终格式。行是物种，计算出的分位数和meanx是列，因此一个包含3行7列的数据帧。
dataf$Labels <- rep(c("0", "20","50","85", "100"),length(unique(dataf$Species)))

dataf2 <- reshape(dataf , idvar = c("Species"),timevar = "Labels", direction = "wide")
datafmeanx <- ddply(iris, .(Species), summarize, meanx= mean(Petal.Length))
dataf3 <- merge(dataf2,datafmeanx)

b <- ggplot(dataf3 , aes(x=meanx ,ymin = quantilesy.0, lower = quantilesy.20, middle = quantilesy.50, upper = quantilesy.85, ymax = quantilesy.100))
b + geom_boxplot(stat = "identity")+ facet_grid(Species~.) + xlab("Mean PetalLength") + ylab("PetalWidth")