Python: 如何使用matplotlib繪製盒鬚圖?df.boxplot(column=’value’, by=’fixture’, grid=False, showmeans=True, ax=ax) ; 如何獲取pandas.DataFrame多層索引MultiIndex中的第二層內容? df.columns.get_level_values(1).unique()

by 儲蓄保險王 · 2025-01-15

import pandas as pd
import matplotlib.pyplot as plt

# 示例數據
data = {
    'fixture': ['F1', 'F1', 'F1', 'F2', 'F2', 'F2', 'F3', 'F3', 'F3', 'F3'],
    'value': [10, 12, 14, 15, 18, 20, 21, 22, 24, 30],
}

# 創建 DataFrame
df = pd.DataFrame(data)

# 創建一個 Matplotlib 圖表和軸
fig, ax = plt.subplots(figsize=(8, 6))

# 繪製盒鬚圖，並將它繪製到指定的軸上
df.boxplot(column='value', by='fixture', 
grid=False, showmeans=True, ax=ax)
#fig, ax = plt.subplots(1,1,figsize=(8, 6)) #等效

# 添加標題和標籤
ax.set_title('Box Plot of Values by Fixture')
ax.set_xlabel('Fixture')
ax.set_ylabel('Value')

# 去掉默認副標題
fig.suptitle("")
"""
在 Matplotlib 中的 "sup"
在 Matplotlib 的 suptitle 中，"sup" 是 "superior"（上方、上層）的縮寫。

suptitle 的意思是「圖表的全局標題」，因為它位於整個圖表的上方。
直譯為：「上方的標題」。
#不是 fig.subtitle("")
"""

# 顯示圖表
plt.show()

輸出結果:

Python: 如何使用matplotlib繪製盒鬚圖?df.boxplot(column='value', by='fixture', grid=False, showmeans=True, ax=ax) ; 如何獲取pandas.DataFrame多層索引MultiIndex中的第二層內容? df.columns.get_level_values(1).unique() - 儲蓄保險王

import pandas as pd
import matplotlib.pyplot as plt

# 假設 pivot_RPM 是一個多層索引的樞紐表（例如包含 min, max, mean, std, count 等）
# 這裡是模擬的 pivot_RPM 示例數據
data = {
    ('min', '015EVP20'): [37000, 36000, 35000],
    ('max', '015EVP20'): [45000, 44000, 46000],
    ('median', '015EVP20'): [41000, 40000, 40500],
    ('quantile_25', '015EVP20'): [39000, 38000, 39000],
    ('quantile_75', '015EVP20'): [43000, 42000, 44000],
    ('min', '015EVP21'): [36000, 35000, 36000],
    ('max', '015EVP21'): [44000, 43000, 45000],
    ('median', '015EVP21'): [40000, 39000, 39500],
    ('quantile_25', '015EVP21'): [38000, 37000, 38000],
    ('quantile_75', '015EVP21'): [42000, 41000, 43000],
}
index = ['CPU0_CH0_D0', 'CPU0_CH0_D1', 'CPU0_CH1_D0']
pivot_RPM = pd.DataFrame(data, index=index)

# 提取 fixture 名稱
fixtures = ['015EVP20', '015EVP21']

# 繪製盒鬚圖
fig, ax = plt.subplots(figsize=(10, 6))

for fixture in fixtures:
    # 提取每個 fixture 的統計數據
    min_values = pivot_RPM[('min', fixture)]
    max_values = pivot_RPM[('max', fixture)]
    median_values = pivot_RPM[('median', fixture)]
    q1_values = pivot_RPM[('quantile_25', fixture)]
    q3_values = pivot_RPM[('quantile_75', fixture)]

    # 構造盒鬚圖所需的數據
    box_data = {
        'whislo': min_values,  # 下鬚（最小值）
        'q1': q1_values,       # 第一四分位數
        'med': median_values,  # 中位數
        'q3': q3_values,       # 第三四分位數
        'whishi': max_values,  # 上鬚（最大值）
    }

    # 將每個 fixture 的數據繪製成盒鬚圖
    ax.bxp([{
        'whislo': box_data['whislo'][i],
        'q1': box_data['q1'][i],
        'med': box_data['med'][i],
        'q3': box_data['q3'][i],
        'whishi': box_data['whishi'][i],
        'label': f"{fixture} - {pivot_RPM.index[i]}"
    } for i in range(len(pivot_RPM))], showfliers=False)

# 添加圖表標題和坐標軸標籤
ax.set_title("Boxplot Based on Pivot_RPM")
ax.set_xlabel("Name and Fixture")
ax.set_ylabel("RPM Value")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

輸出結果:

修訂code:

import pandas as pd
import matplotlib.pyplot as plt

# 模擬 pivot_RPM 示例數據
data = {
    ('min', '015EVP20'): [37000, 36000, 35000],
    ('max', '015EVP20'): [45000, 44000, 46000],
    ('median', '015EVP20'): [41000, 40000, 40500],
    ('quantile_25', '015EVP20'): [39000, 38000, 39000],
    ('quantile_75', '015EVP20'): [43000, 42000, 44000],
    ('min', '015EVP21'): [36000, 35000, 36000],
    ('max', '015EVP21'): [44000, 43000, 45000],
    ('median', '015EVP21'): [40000, 39000, 39500],
    ('quantile_25', '015EVP21'): [38000, 37000, 38000],
    ('quantile_75', '015EVP21'): [42000, 41000, 43000],
}
index = ['CPU0_CH0_D0', 'CPU0_CH0_D1', 'CPU0_CH1_D0']
pivot_RPM = pd.DataFrame(data, index=index)

# 提取 fixture 名稱
fixtures = ['015EVP20', '015EVP21']

# 繪製盒鬚圖
fig, ax = plt.subplots(figsize=(10, 6))

# 構造盒鬚圖的數據
boxplot_data = []

for fixture in fixtures:
    # 提取每個 fixture 的統計數據
    min_values = pivot_RPM[('min', fixture)]
    max_values = pivot_RPM[('max', fixture)]
    median_values = pivot_RPM[('median', fixture)]
    q1_values = pivot_RPM[('quantile_25', fixture)]
    q3_values = pivot_RPM[('quantile_75', fixture)]

    # 將每個行索引的數據組裝為單個盒鬚圖數據
    for i in range(len(pivot_RPM)):
        boxplot_data.append({
            'whislo': min_values[i],  # 下鬚（最小值）
            'q1': q1_values[i],       # 第一四分位數
            'med': median_values[i],  # 中位數
            'q3': q3_values[i],       # 第三四分位數
            'whishi': max_values[i],  # 上鬚（最大值）
            'label': f"{fixture} - {pivot_RPM.index[i]}"
        })

# 一次性繪製所有盒鬚圖
ax.bxp(boxplot_data, showfliers=False)

# 添加圖表標題和坐標軸標籤
ax.set_title("Boxplot Based on Pivot_RPM")
ax.set_xlabel("Name and Fixture")
ax.set_ylabel("RPM Value")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

輸出結果:

ax.bxp 方法所接受的字典結構中，key 的名稱是固定的，因為 Matplotlib 的 bxp 函數需要根據特定的鍵名來正確解釋繪製盒鬚圖所需的數據。這些鍵名是 Matplotlib 的內置規範，不能更改。

`bxp` 函數支持的固定鍵名

以下是 bxp 函數支持的所有鍵名，以及它們的作用和意義：

pivot_RPM.columns.get_level_values(1).unique()
獲取第二層index的內容:

部分code:

def quantile_25(x):
    if len(x) == 0:  # 如果輸入的分組為空
        return np.nan
    return np.percentile(x, 25)

def quantile_75(x):
    if len(x) == 0:  # 如果輸入的分組為空
        return np.nan
    return np.percentile(x, 75)
    
pivot_RPM = pd.pivot_table(df_ex, values='value', index='name', columns='fixture', 
    aggfunc=["min","max","mean", "std", "count", "median", quantile_25, quantile_75 ])