如何用Pandas+Matplotlib实现两组boxplot并排展示（禁用Seaborn）

直接在同一轴上调用两次boxplot会导致重叠，因为两组数据的LABEL对应的x轴位置完全相同。通过手动指定每组箱线图的位置，就能实现并排展示，具体方案如下：

方案1：合并数据集后绘制 #

先给两个数据集添加来源标识，合并后按分组提取数据，再指定位置绘制：

import matplotlib.pyplot as plt
import pandas as pd

# 读取两个文件的数据
df1 = pd.read_csv("file1", sep=r'\s+', header=0)
df2 = pd.read_csv("file2", sep=r'\s+', header=0)

# 添加来源区分列
df1['Source'] = 'File1'
df2['Source'] = 'File2'

# 合并数据集
combined_df = pd.concat([df1, df2], ignore_index=True)

# 获取所有唯一的LABEL标签
labels = combined_df['LABEL'].unique()
n_labels = len(labels)

# 设置箱线图宽度和位置偏移，保证每组两个箱子并排
box_width = 0.35
file1_positions = [i - box_width/2 for i in range(n_labels)]
file2_positions = [i + box_width/2 for i in range(n_labels)]

# 提取每个LABEL对应的数据
data_file1 = [combined_df[(combined_df['LABEL'] == lbl) & (combined_df['Source'] == 'File1')]['VAL'].values for lbl in labels]
data_file2 = [combined_df[(combined_df['LABEL'] == lbl) & (combined_df['Source'] == 'File2')]['VAL'].values for lbl in labels]

# 创建画布并绘制箱线图
fig, ax = plt.subplots()
# 绘制File1的箱线图，设置填充色区分
box1 = ax.boxplot(data_file1, positions=file1_positions, widths=box_width, patch_artist=True, label='File1')
for patch in box1['boxes']:
    patch.set_facecolor('#1f77b4')

# 绘制File2的箱线图
box2 = ax.boxplot(data_file2, positions=file2_positions, widths=box_width, patch_artist=True, label='File2')
for patch in box2['boxes']:
    patch.set_facecolor('#ff7f0e')

# 设置坐标轴和图例
ax.set_xticks(range(n_labels))
ax.set_xticklabels(labels)
ax.set_xlabel('LABEL')
ax.set_ylabel('VAL')
ax.legend()

plt.tight_layout()
plt.show()

方案2：不合并数据集直接绘制 #

如果不需要合并数据，也可以直接基于两个原始数据集处理：

import matplotlib.pyplot as plt
import pandas as pd

df1 = pd.read_csv("file1", sep=r'\s+', header=0)
df2 = pd.read_csv("file2", sep=r'\s+', header=0)

# 假设两个文件的LABEL完全一致，取其中一个的唯一标签
labels = df1['LABEL'].unique()
n_labels = len(labels)
box_width = 0.35

fig, ax = plt.subplots()

# 绘制File1的箱线图
data1 = [df1[df1['LABEL'] == lbl]['VAL'].values for lbl in labels]
ax.boxplot(data1, positions=[i - box_width/2 for i in range(n_labels)], widths=box_width, patch_artist=True, label='File1')

# 绘制File2的箱线图
data2 = [df2[df2['LABEL'] == lbl]['VAL'].values for lbl in labels]
ax.boxplot(data2, positions=[i + box_width/2 for i in range(n_labels)], widths=box_width, patch_artist=True, label='File2')

# 美化样式和坐标轴
for patch in ax.artists[::2]:
    patch.set_facecolor('#1f77b4')
for patch in ax.artists[1::2]:
    patch.set_facecolor('#ff7f0e')

ax.set_xticks(range(n_labels))
ax.set_xticklabels(labels)
ax.set_xlabel('LABEL')
ax.set_ylabel('VAL')
ax.legend()

plt.tight_layout()
plt.show()

核心原理 #

pandas默认的boxplot(by='LABEL')会把每个LABEL映射到x轴的整数位置（0、1、2...），两次调用会使用相同位置导致重叠。通过给两组箱线图设置偏移的位置坐标（比如每个LABEL对应i-0.175和i+0.175），就能让它们在同一LABEL下并排展示。

内容的提问来源于stack exchange，提问作者kelly