Python 我的方块图在jupyter笔记本中没有输出

这是我的代码，我不知道我做错了什么。没有错误，但当我得到我的结果时，它不会显示一个方框图，只显示一个带数字的x轴和y轴

import numpy as np
import matplotlib.pyplot as plt
#read in the dataset
data= np.genfromtxt("C:\\Users\\pearlyn\\Downloads\\education qualification.csv",
        delimiter=',',
        names=True, dtype=('U7','U10','U30','U4',int))
race = data[(data['mother_race']=='INDIAN')]
race_1 = race[race['birth_order']=='1st']
race_2= race_1[race_1['month']== '2019-12']

catA = race_2[race_2['mother_education'] == '"A" LEVEL/DIPLOMA']['birth_count']
catB = race_2[race_2['mother_education'] == '"N" LEVEL/"O" LEVEL']['birth_count']
catC = race_2[race_2['mother_education'] == 'NO QUALIFICATION']['birth_count']
catD = race_2[race_2['mother_education'] == 'PSLE']['birth_count']
catE = race_2[race_2['mother_education'] == 'UNIVERSITY DEGREE']['birth_count']
y_values = np.array([catA, catB, catC, catD, catE])
x_labels = np.unique(data['mother_education'])

plt.boxplot(y_values.transpose(),all(x_labels),patch_artist=True)
plt.show()

---

实际上，问题是您的

数据
变量Jupiter notbook无法从您的设备获取该文件位置，因为它是在线IDE，因此无法打开您的存储位置。您应该尝试使用vs代码或python的其他IDE，因为它们嵌入到系统中，并且可以获取文件位置。
如果有帮助，请告诉我。
实际上，问题是您的
数据
变量Jupiter notbook无法从您的设备获取该文件位置，因为它是在线IDE，因此无法打开您的存储位置。您应该尝试使用vs代码或python的其他IDE，因为它们嵌入到系统中，并且可以获取文件位置。
如果有帮助，请告诉我。
为了重现您的问题，问题可能是由于在字符串中处理不受支持的双引号引起的，尤其是对于
母亲教育
值。Numpy的文本解析器将引号加倍，并将整个值用引号括起来！因此，您的逻辑调用返回空数组，因为它们不以对象数组中的实际值为条件

请参阅下面的随机演示和数据打印

从io导入StringIO
将numpy作为np导入
作为pd进口熊猫
教育组=[“A”级/文凭“，“N”级/“O”级”，
“无资格”、“PSLE”、“大学学位”]
#创建两列的随机数据集
np.随机种子（20201212）
random_df=pd.DataFrame（{'mother_education'：np.random.choice（教育组，500），
“出生计数”：np.random.randint（1,15500），
})
#创建csv数据集
csv\u数据=随机分布到csv（索引=假）
#读入数据集
data=np.genfromtxt（StringIO（csv_数据），
分隔符='，'，
name=True，dtype=['U30'，int]）
打印（数据[0:25]）
#[（“A”级/文凭），6）（“PSLE”，3）（“PSLE”，8）
#("大学学位",13)("N"级,"O"级,3("PSLE",12)
#("大学学位",3)("大学学位",9)("N级","O级",9
#（“无资格”，10）（“大学学位”，8）
#("大学学位",5)("N"级,"O"级,7)
#("无资格",6)("N"级/O"级,1)("PSLE",10)
#（“无资格”，8）（“N”级/“O”级，13）
#（“大学学位”，12）（“A”级/文凭，7）
#（‘无资格’、7）（‘PSLE’、6）（‘PSLE’、4）
#（“无资格”，10）（“无资格”，14）]
# [（'mother_education'，'为了重现您的问题，问题可能是由于在字符串中处理不受支持的双引号引起的，
numpy.genfromtxt
，尤其是在
mother_education
值中。numpy的文本解析器将引号加倍并将整个值括在引号中！因此，您的逻辑调用urn空数组，因为它们不符合对象数组中的实际值

请参阅下面的随机演示和数据打印

从io导入StringIO
将numpy作为np导入
作为pd进口熊猫
教育组=[“A”级/文凭“，“N”级/“O”级”，
“无资格”、“PSLE”、“大学学位”]
#创建两列的随机数据集
np.随机种子（20201212）
random_df=pd.DataFrame（{'mother_education'：np.random.choice（教育组，500），
“出生计数”：np.random.randint（1,15500），
})
#创建csv数据集
csv\u数据=随机分布到csv（索引=假）
#读入数据集
data=np.genfromtxt（StringIO（csv_数据），
分隔符='，'，
name=True，dtype=['U30'，int]）
打印（数据[0:25]）
#[（“A”级/文凭），6）（“PSLE”，3）（“PSLE”，8）
#("大学学位",13)("N"级,"O"级,3("PSLE",12)
#("大学学位",3)("大学学位",9)("N级","O级",9
#（“无资格”，10）（“大学学位”，8）
#("大学学位",5)("N"级,"O"级,7)
#("无资格",6)("N"级/O"级,1)("PSLE",10)
#（“无资格”，8）（“N”级/“O”级，13）
#（“大学学位”，12）（“A”级/文凭，7）
#（‘无资格’、7）（‘PSLE’、6）（‘PSLE’、4）
#（“无资格”，10）（“无资格”，14）]
# [（'mother_education'，'所以，在回答时，人们告诉你，他们不能说太多，因为他们没有你的输入数据。为什么你认为这与这里不相关？我如何添加我的输入数据？请发布csv数据。好奇的是，你为什么使用
numpy
，而不是
pandas
，后者更适合运行逻辑过滤器按列标识符？在文本编辑器中打开csv数据并复制/粘贴样本（足以重现问题）它的内容在这里，格式化在一个代码块内。记住csv是一个文本文件。所以，在回答时，人们告诉你，他们不能说太多，因为他们没有你的输入数据。为什么你认为这与这里无关？我如何添加我的输入数据？请发布csv数据。好奇的是，为什么你使用
numpy
，而不是
>pandas
哪个更适合按列标识符运行逻辑过滤器？在文本编辑器中打开csv数据，并在此处复制/粘贴其内容的样本（足以复制问题），在代码块中格式化。记住csv是一个文本文件。