Pandas 按列和均值散点图对 Excel 数据进行分组

Question

我从几个 Excel 文件中读取了一组数据。 我可以使用 Pandas 轻松读取、合并和分组数据。 我对数据有两列感兴趣，“产品类型”和“测试持续时间”。

包含从 Excel 文件读取的数据的数据框称为 oData。

oDataGroupedByProductType = oData.groupby(['Product Type'])

我已经使用 plotly 绘制如下图，但 plotly 不会将数据保密，如果我希望数据保密，我必须付费。 付费不是一种选择。 如何使用 Pandas 和/或 matplotlib 制作相同的图形，同时还显示每种产品类型的平均值？

Answer 1

正如Bound所说，你可以用stripplot做几行（seaborn 文档页面的示例）。

import seaborn as sns
sns.set_style("whitegrid")
tips = sns.load_dataset("tips") # load some sample data
ax = sns.stripplot(x="day", y="total_bill", data=tips)

Answer 2

假设你有一些数据框：

In [4]: df.head(20)
Out[4]:
   product      value
0        c   5.155740
1        c   8.983128
2        c   5.150390
3        a   8.379866
4        c   8.094536
5        c   7.464706
6        b   3.690430
7        a   5.547448
8        a   7.709569
9        c   8.398026
10       a   7.317957
11       b   7.821332
12       b   8.815495
13       c   6.646533
14       c   8.239603
15       c   7.585408
16       a   7.946760
17       c   5.276864
18       c   8.793054
19       b  11.573413

您需要有一个产品的数值来绘制它，所以快速而干燥，只需通过映射数值创建一个新列：

In [5]: product_map = {p:r for p,r in zip(df['product'].unique(), range(1, df.values.shape[0]+1))}

In [6]: product_map
Out[6]: {'a': 2, 'b': 3, 'c': 1}

当然，有很多方法可以实现这一点......

现在，创建一个新列：

In [8]: df['product_code'] = df['product'].map(product_map)

In [9]: df.head(20)
Out[9]:
   product      value  product_code
0        c   5.155740             1
1        c   8.983128             1
2        c   5.150390             1
3        a   8.379866             2
4        c   8.094536             1
5        c   7.464706             1
6        b   3.690430             3
7        a   5.547448             2
8        a   7.709569             2
9        c   8.398026             1
10       a   7.317957             2
11       b   7.821332             3
12       b   8.815495             3
13       c   6.646533             1
14       c   8.239603             1
15       c   7.585408             1
16       a   7.946760             2
17       c   5.276864             1
18       c   8.793054             1
19       b  11.573413             3

现在，使用plot中的辅助方法pandas基本上是围绕一个包装matplotlib ：

In [10]: df.plot(kind='scatter', x = 'product_code', y = 'value')
Out[10]: <matplotlib.axes._subplots.AxesSubplot at 0x12235abe0>

和输出：

显然，这是快速而肮脏的，但它应该让你继续前进......

Answer 3

如果其他人有非常相似的问题并希望看到最终结果，我最终使用了 seaborn，如下所示：

import seaborn as sns
import matplotlib.pyplot as plt
...
sns.set_style("whitegrid")
sns.boxplot(x=oData['Product Type'],
          y=oData['Test Duration?'],
          data=oData)
plt.savefig('Test Duration vs. Product Type.png')

图表如下。 出于隐私原因，我模糊了图表上的产品标签。