在Python中使用 Seaborn 按均值对箱线图进行排序

Seaborn 是一个了不起的可视化库，用于在Python中绘制统计图形。它提供了漂亮的默认样式和调色板，使统计图更具吸引力。它建立在 matplotlib 库的顶部，并且还与 Pandas 的数据结构紧密集成。
箱线图是通过四分位数描述的数值数据组的可视化表示。 Boxplot 还用于检测数据集中的异常值。它使用简单的盒子和胡须有效地捕获数据摘要，并允许我们轻松地进行跨组比较。箱线图使用第 25、50 和 75 个百分位数汇总样本数据。这些百分位数也称为下四分位数、中位数和上四分位数。

有时，我们想根据需要对箱线图进行排序，您可以通过多种方式订购箱线图，它们是：

• 手动箱线图顺序
• 使用均值对箱线图进行排序

在本文中，我们将讨论如何使用均值对箱线图进行排序。

使用什么排序箱线图？

当我们有多个组时，建议手动使用均值或中位数排序，排序会变得困难。

循序渐进的方法：

• 导入库

Python3

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

• 创建数据集

蟒蛇3

# creating dataset
df = pd.DataFrame({
    'Ice-cream': np.random.normal(57, 5, 100),
    'Chocolate': np.random.normal(73, 5, 100),
    'cupcake': np.random.normal(68, 8, 100),
    'jamroll': np.random.normal(37, 10, 100),
    'cake': np.random.normal(76, 5, 100),
  
})
df.head()

输出：

• 在对箱线图进行排序之前绘制数据。

蟒蛇3

# plot th data into boxplot
  
sns.boxplot(data=df)
  
# Label x-axis
plt.xlabel('Desserts')
  
# labels y-axis
plt.ylabel('perference of people')

输出：

• 现在首先对数据进行排序并获得排序的索引，因为我们必须使用均值对箱线图进行排序，因此我们将对数据应用mean()和sort_values函数。

蟒蛇3

# This will give the indices of the sorted 
# values into the ascending order the default 
# value in sort_values is ascending = True
index_sort = df.mean().sort_values().index
index_sort

输出：

• 使用排序索引，我们可以对我们创建的数据框进行排序。

蟒蛇3

# now applying the sorted 
# indices to the data
df_sorted = df[index_sort]

所以我们已经对数据进行了排序，让我们绘制数据的箱线图。

蟒蛇3

# plotting the boxplot for the data 
sns.boxplot(data = df_sorted)
  
# Label x-axis
plt.xlabel('Desserts')
  
# labels y-axis
plt.ylabel('perference of people')

输出：

如果想按降序排序，请使用以下语法：

index_sort = df.mean().sort_values(ascending=False).index

以下是基于上述方法的完整程序：

蟒蛇3

# import required modules
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
  
  
# creating dataset
df = pd.DataFrame({
    'Ice-cream': np.random.normal(57, 5, 100),
    'Chocolate': np.random.normal(73, 5, 100),
    'cupcake': np.random.normal(68, 8, 100),
    'jamroll': np.random.normal(37, 10, 100),
    'cake': np.random.normal(76, 5, 100),
  
})
  
  
# sort on the basis of mean
index_sort = df.mean().sort_values().index
  
# now applying the sorted indices to the data
df_sorted = df[index_sort]
  
  
# plotting the boxplot for the data 
sns.boxplot(data = df_sorted)
  
# Label x-axis
plt.xlabel('Desserts')
  
# labels y-axis
plt.ylabel('perference of people')

输出：