Python 箱线图中每个子地块的独立轴

下面的代码有助于获得具有唯一彩色框的子图。但所有子地块共享一组共同的x轴和y轴。我希望每个子图都有独立的轴：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import PathPatch

df = pd.DataFrame(np.random.rand(140, 4), columns=['A', 'B', 'C', 'D'])

df['models'] = pd.Series(np.repeat(['model1','model2', 'model3', 'model4',     'model5', 'model6', 'model7'], 20))

bp_dict = df.boxplot(
by="models",layout=(2,2),figsize=(6,4),
return_type='both',
patch_artist = True,
)

colors = ['b', 'y', 'm', 'c', 'g', 'b', 'r', 'k', ]
for row_key, (ax,row) in bp_dict.iteritems():
    ax.set_xlabel('')
    for i,box in enumerate(row['boxes']):
        box.set_facecolor(colors[i])

plt.show()

以下是上述代码的输出：

我正在尝试为每个子地块分别设置x轴和y轴。。。

---

您可以将标签设置为再次可见，例如通过

plt.setp(ax.get_xticklabels(), visible=True)

---

虽然这并不能使轴独立，但它们仍然相互绑定，但您似乎在询问可见性，而不是此处的共享行为。

您需要先创建图形和子图，并将其作为参数传递给

df.boxplot（）

。这也意味着您可以删除参数

layout=（2,2）

：

然后使用：

bp_dict = df.boxplot(
by="models", ax=axes, figsize=(6,4),
return_type='both',
patch_artist = True,
)

---

如果您确实认为有必要在创建

boxplot

数组后取消共享轴，则可以执行此操作，但必须“手动”完成所有操作。在stackoverflow中搜索一段时间并查看

matplotlib

文档页面，我想出了以下解决方案来取消共享

轴
实例的
yaxes
，对于
xaxes
，您必须进行类似操作：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import PathPatch
from matplotlib.ticker import AutoLocator, AutoMinorLocator

##using differently scaled data for the different random series:
df = pd.DataFrame(
    np.asarray([
        np.random.rand(140),
        2*np.random.rand(140),
        4*np.random.rand(140),
        8*np.random.rand(140),
    ]).T,
    columns=['A', 'B', 'C', 'D']
)

df['models'] = pd.Series(np.repeat([
    'model1','model2', 'model3', 'model4',   'model5', 'model6', 'model7'
], 20))

##creating the boxplot array:
bp_dict = df.boxplot(
    by="models",layout = (2,2),figsize=(6,8),
    return_type='both',
    patch_artist = True,
    rot = 45,
)

colors = ['b', 'y', 'm', 'c', 'g', 'b', 'r', 'k', ]

##adjusting the Axes instances to your needs
for row_key, (ax,row) in bp_dict.items():
    ax.set_xlabel('')

    ##removing shared axes:
    grouper = ax.get_shared_y_axes()
    shared_ys = [a for a in grouper]
    for ax_list in shared_ys:
        for ax2 in ax_list:
            grouper.remove(ax2)

    ##setting limits:
    ax.axis('auto')
    ax.relim()      #<-- maybe not necessary

    ##adjusting tick positions:
    ax.yaxis.set_major_locator(AutoLocator())
    ax.yaxis.set_minor_locator(AutoMinorLocator())

    ##making tick labels visible:    
    plt.setp(ax.get_yticklabels(), visible=True)

    for i,box in enumerate(row['boxes']):
        box.set_facecolor(colors[i])

plt.show()

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从matplotlib.patches导入PathPatch
从matplotlib.ticker导入AutoLocator、AutoMinorLocator
##对不同的随机序列使用不同比例的数据：
df=pd.DataFrame(
np.asarray([
np.random.兰德（140），
2*np.随机兰特（140），
4*np.随机兰特（140），
8*np.随机兰特（140），
]).T，
列=['A'，'B'，'C'，'D']
)
df['models']=pd.系列（np.repeat([
“模型1”、“模型2”、“模型3”、“模型4”、“模型5”、“模型6”、“模型7”
], 20))
##创建箱线图阵列：
bp_dict=df.boxplot(
by=“models”，布局=（2,2），figsize=（6,8），
return_type='both'，
patch_artist=True，
rot=45，
)
颜色=['b'，'y'，'m'，'c'，'g'，'b'，'r'，'k'，]
##根据需要调整轴实例
对于bp_dict.items（）中的行键（ax，row）：
ax.集合标签（“”）
##删除共享轴：
grouper=ax.get_shared_y_axes（）
shared_ys=[a代表石斑鱼中的a]
对于共享目录中的ax_列表：
对于ax_列表中的ax2：
石斑鱼。移除（ax2）
##设置限制：
轴（“自动”）
ax.relim（）#谢谢你的回答..但我的意思是所有轴都有独立的范围（特别是yaxis，其中Ylim需要为每个子批次分开）。绑定范围限制了具有较低数据范围但较高轴范围的框的视图。在这种情况下，请参考另一个答案。感谢答案…将布局限制为plt。子地块要求网格框的数量等于所需的子地块。您能推荐一种相对简单的方法来容纳2xn布局中的13个子地块吗？如果我在df.boxplot中使用布局参数，那么轴将保持共享。。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import PathPatch
from matplotlib.ticker import AutoLocator, AutoMinorLocator

##using differently scaled data for the different random series:
df = pd.DataFrame(
    np.asarray([
        np.random.rand(140),
        2*np.random.rand(140),
        4*np.random.rand(140),
        8*np.random.rand(140),
    ]).T,
    columns=['A', 'B', 'C', 'D']
)

df['models'] = pd.Series(np.repeat([
    'model1','model2', 'model3', 'model4',   'model5', 'model6', 'model7'
], 20))

##creating the boxplot array:
bp_dict = df.boxplot(
    by="models",layout = (2,2),figsize=(6,8),
    return_type='both',
    patch_artist = True,
    rot = 45,
)

colors = ['b', 'y', 'm', 'c', 'g', 'b', 'r', 'k', ]

##adjusting the Axes instances to your needs
for row_key, (ax,row) in bp_dict.items():
    ax.set_xlabel('')

    ##removing shared axes:
    grouper = ax.get_shared_y_axes()
    shared_ys = [a for a in grouper]
    for ax_list in shared_ys:
        for ax2 in ax_list:
            grouper.remove(ax2)

    ##setting limits:
    ax.axis('auto')
    ax.relim()      #<-- maybe not necessary

    ##adjusting tick positions:
    ax.yaxis.set_major_locator(AutoLocator())
    ax.yaxis.set_minor_locator(AutoMinorLocator())

    ##making tick labels visible:    
    plt.setp(ax.get_yticklabels(), visible=True)

    for i,box in enumerate(row['boxes']):
        box.set_facecolor(colors[i])

plt.show()