如何用带均值方差的Boxplot展示路口高低峰车流量并修正列名

我有包含路口ID、低峰/高峰时段车流量的数据，CSV列设置为1HT、1LT、2HT、2LT（数字是路口ID，HT=高峰，LT=低峰）。想要以路口ID为X轴，用箱线图展示各路口高低峰车流量的均值和方差，但现有代码生成的箱线图列名不生效，请问怎么实现？是否需要修改CSV格式？

用户提供的代码：

import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

df=pd.read_csv("name1.csv")
print(df)

means=df.mean()
var=df.var()
q1=means+ var * stats.norm.ppf(0.25)
q3=means+ var * stats.norm.ppf(0.75)

whislow = q1 - (q3-q1) *1.5
whishi = q1 + (q3-q1) *1.5
cl=df.columns
print("cl",cl)
plt.xticks(range(1,len(df.columns)+1),cl,rotation='vertical')
keys = ['med','q1','q3','whislo','whishi']
stats = [dict(zip(keys,vals)) for vals in zip(means,q1,q3,whislow,whishi)]
plt.subplot().bxp(stats,showfliers=False)
plt.show()

解决方案 #

1. CSV格式是否需要修改？ #

不需要大规模修改，当前1HT/1LT的命名逻辑可行。如果后续需要按路口ID分组对比高低峰流量，可将数据转为长格式（新增路口ID、时段类型、车流量三列），但当前格式也能直接完成需求。

2. 代码问题分析与修复 #

列名不生效的核心原因：plt.subplot().bxp()会重新创建坐标轴，覆盖了之前设置的xticks。另外，你手动计算箱线图统计量的逻辑有误——箱线图的分位数应基于原始数据分布计算，而非用均值+方差拟合正态分布（这是假设数据服从正态分布的近似，不符合箱线图的统计定义）。

修复后的最简代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv("name1.csv")
print(df)

# 直接用pandas内置boxplot方法，自动计算正确的分位数、均值等统计量
ax = df.boxplot(column=df.columns, showfliers=False)

# 设置X轴标签并旋转，避免重叠
ax.set_xticklabels(df.columns, rotation='vertical')

# 添加图表标注
ax.set_title('各路口高低峰车流量分布')
ax.set_xlabel('路口-时段')
ax.set_ylabel('车流量')

plt.tight_layout()
plt.show()

3. 进阶：按路口ID分组对比高低峰 #

如果希望X轴仅显示路口ID，每个ID下同时展示高峰/低峰两个箱线图，可先将数据转成长格式再绘制：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据并转成长格式
df = pd.read_csv("name1.csv")
df_long = df.melt(var_name='路口-时段', value_name='车流量')
# 从列名拆分出路口ID和时段类型
df_long[['路口ID', '时段']] = df_long['路口-时段'].str.extract('(\d+)(HT|LT)')

# 按路口ID分组，绘制高低峰对比箱线图
ax = df_long.boxplot(by='路口ID', column='车流量', hue='时段', showfliers=False)

# 调整图表样式
plt.suptitle('')  # 移除自动生成的总标题
ax.set_title('各路口高低峰车流量对比')
ax.set_xlabel('路口ID')
ax.set_ylabel('车流量')

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Sona S