python-3.x - 嘿，我可以在 pandas 中通过箱线图绘制一个组来删除未使用的类别吗？

Question

长话短说。如何从 pandas 的类别列中绘制分组箱线图，并仅显示子集中的当前类别而不是所有可能的类别。

[可重现的例子]

我有一个带有因子列的 Pandas 数据框，我想绘制一个箱线图。如果我按因素绘制就可以了。如果我做一个子集并按因子绘制箱线图，也可以，并且只绘制子集中存在的因子。但是，如果我将该列设置为类别，那么所有类别都会绘制在箱线图中，即使它们不存在也是如此。

- 创建数据框

import pandas as pd
import numpy as np
x = ['A']*150 + ['B']*150 + ['C']*150 + ['D']*150 + ['E']*150 + ['F']*150
y = np.random.randn(900)
z = ['X']*450 + ['Y']*450
df = pd.DataFrame({'Letter':x, 'N':y, 'type':z})
print(df.head())
print(df.tail())

- 按因素绘制

df.boxplot(by='Letter')

- 绘制子集(仅绘制子集中的类别，但未按所需顺序按字母顺序排序)

df[df['type']=='X'].boxplot(by='Letter')

- 将因子转换为类别并绘制子集以使集合有序:即使子集中缺少所有类别，也会绘制所有类别。好的部分是它们处于“wanted_sort_order”

df['Letter2'] = df['Letter'].copy()
df['Letter2'] = df['Letter2'].astype('category')
# set a category in order to sort the factor in specific order
df['Letter2'].cat.set_categories(df['Letter2'].drop_duplicates().tolist()[::-1], inplace=True)
df[df['type']=='X'].boxplot(by='Letter2')

Answer 1

创建 DataFrame(第一个代码块)后，尝试以下操作:

df['Letter2'] = pd.Categorical(df['Letter'], list('BAC'))
df[df['type']=='X'].boxplot(by='Letter2')

结果:

pd.Categorical 所做的只是简单地将类别列表(第二个参数)和 .boxplot() 中不存在的内容设置为 NaN 自然会忽略它，只绘制您要查找的类别。