如何用Seaborn对DataFrame数组列绘制多组箱线图？

核心问题分析 #

你之前的代码存在两个关键问题：

• 直接调用Moyennes（均值）列，没有用到Values_array中的原始数值，自然无法生成反映整体分布的箱线图
• 将单一年份值（如date2018）作为y轴变量，Seaborn会把它识别为连续数值，导致日期格式异常

Seaborn的箱线图要求输入长格式数据（每个数值单独一行，附带分组信息），所以第一步必须把Values_array列的数组展开。

步骤1：展开数组列（单年份处理） #

用Pandas的explode函数可以快速把每行的数组拆成单独行，保留对应的mods和年份信息：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 以2018年数据为例，展开Values_array列
expanded_df = df2018.explode('Values_array').rename(columns={'Values_array': 'value'})
# 添加年份标识（可选，用于多年份整合）
expanded_df['year'] = 2018

步骤2：绘制同一年份的分组箱线图 #

展开后直接用Seaborn绘制，按mods分组，所有箱线图会自动整合到同一画布：

sns.boxplot(data=expanded_df, x='mods', y='value', hue='mods', palette='Set2')
plt.title('2018年各时段数值分布')
plt.xlabel('时段（mods）')
plt.ylabel('数值')
plt.show()

进阶：多年份数据整合绘制 #

如果要把6年的数据都整合到同一张图（或分面图），可以先合并所有年份的展开数据：

# 假设你有df2018到df2023共6个年份的DataFrame
all_expanded = []
for year in range(2018, 2024):
    df = locals()[f'df{year}']  # 从变量名读取对应年份的DataFrame
    temp_df = df.explode('Values_array').rename(columns={'Values_array': 'value'})
    temp_df['year'] = year
    all_expanded.append(temp_df)

# 合并所有年份数据
all_expanded = pd.concat(all_expanded, ignore_index=True)

# 方式1：按年份分面，每个面展示当年各时段的箱线图
g = sns.FacetGrid(all_expanded, col='year', col_wrap=3, height=4)
g.map(sns.boxplot, 'mods', 'value', 'mods', palette='Set2')
g.add_legend()
g.set_axis_labels('时段（mods）', '数值')
plt.show()

# 方式2：同一张图按年份区分，x轴为时段，hue为年份
sns.boxplot(data=all_expanded, x='mods', y='value', hue='year', palette='husl')
plt.title('各年份时段数值分布对比')
plt.xlabel('时段（mods）')
plt.ylabel('数值')
plt.legend(title='年份')
plt.show()

关键说明 #

• explode是处理列表/数组列的高效方法，比循环遍历行快得多，适合你的150条/年的数据规模
• 不要把单一年份值作为y轴，而是将其作为分类变量（hue或分面参数），避免格式异常
• Seaborn会自动按分组变量（如mods）整理数据，生成对应组的箱线图，无需手动循环调用plt.boxplot

内容的提问来源于stack exchange，提问作者sam