将 pandas 用于大型数据集,我已经将其缩减为我需要的信息。基本上,我想根据帖子中使用的主题标签数量(范围从 1- 6,我将其视为分类变量)。这导致总共 2*6=12 个箱线图都在同一帧中,以便于比较。
我做了一些研究,我知道 df.boxplot(by='x'),但这并没有说明比较两国的额外水平。
数据集包含主题标签数量(整数)、国家(字符串)、 friend 数量(整数)列。
值得一提的是,我对使用 Python 绘图(包括轴和子图之类的东西)还很陌生,所以如果可能,请在您的回答中包含一些额外信息。
编辑:数据集的小样本
#followers #friends #mentions #hashtags country lang_user place
450 53 71 1 0 ja es NaN
489 54 34 1 1 ja es NaN
867 1569 1999 0 0 en es NaN
1021 224 242 0 3 ja ja NaN
1022 377 506 1 5 ja ja NaN
1023 315 305 0 2 ja ja NaN
最佳答案
我喜欢使用 seaborn 进行此类可视化。 我猜你说的“额外级别”叫做“色调”。
import seaborn as sns
sns.set_style("whitegrid")
tips = sns.load_dataset("tips")
ax = sns.boxplot(x="day", y="total_bill", hue="smoker",
data=tips, palette="Set3")
查看此文档: https://seaborn.pydata.org/generated/seaborn.boxplot.html
关于python - 按分类变量分组的箱线图,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49999166/