如何绘制带均值与单个值的嵌套分类图（非箱线/柱状图）

直接手动构建双层X轴就能复刻Minitab的效果，不用拆分图表，以下是具体实现：

步骤1：数据预处理 #

先分组计算均值，同时给每个Product-Tester组合分配X轴位置，避免重叠：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 假设你的数据集是df
# 计算每个Product-Tester组合的均值
mean_results = df.groupby(['Product', 'Tester'])['Result'].mean().reset_index()

# 定义分类顺序，避免自动排序混乱
unique_products = df['Product'].unique()
unique_testers = df['Tester'].unique()

# 给每个组合分配X坐标：大组（Product）之间留空，避免挤在一起
group_gap = len(unique_testers) + 2
x_positions = {}
for prod_idx, product in enumerate(unique_products):
    base = prod_idx * group_gap
    for test_idx, tester in enumerate(unique_testers):
        x_positions[(product, tester)] = base + test_idx

步骤2：绘制单个数据点 #

用散点图把所有原始测试结果画上去：

fig, ax = plt.subplots(figsize=(10, 6))

# 画单个数据点，灰色半透明区分均值
for (prod, test), subset in df.groupby(['Product', 'Tester']):
    x = x_positions[(prod, test)]
    ax.scatter([x]*len(subset), subset['Result'], color='#888888', alpha=0.6, zorder=1)

步骤3：绘制均值标记 #

用醒目的样式突出每个组合的均值：

# 画均值点，红色实心点带黑边，层级高于原始数据
for _, row in mean_results.iterrows():
    x = x_positions[(row['Product'], row['Tester'])]
    ax.scatter(x, row['Result'], color='red', s=80, zorder=2, edgecolor='black')

步骤4：搭建双层X轴 #

手动设置两层X轴的标签和位置，对齐大组中心：

# 底层X轴：显示Tester
ax.set_xticks([pos for (prod, test), pos in x_positions.items()])
ax.set_xticklabels([test for (prod, test), pos in x_positions.items()])

# 上层X轴：显示Product，位置对齐每个Product组的中心
top_ax = ax.twiny()
prod_centers = [idx*group_gap + (len(unique_testers)-1)/2 for idx in range(len(unique_products))]
top_ax.set_xticks(prod_centers)
top_ax.set_xticklabels(unique_products)
top_ax.tick_params(axis='x', pad=15)  # 拉开间距避免和底层标签重叠

# 可选：添加组分隔线，更清晰区分不同Product
for idx in range(1, len(unique_products)):
    ax.axvline(x=idx*group_gap - 1, color='#dddddd', linestyle='--')

# 完善图表标签
ax.set_xlabel('Tester')
top_ax.set_xlabel('Product')
ax.set_ylabel('Result')
plt.title('Nested X-axis Plot with Individual Results and Means')

plt.tight_layout()
plt.show()

额外调整建议 #

• 如果需要给均值添加连线，把scatter换成plot即可
• 可以根据数据量调整group_gap的大小，避免标签拥挤
• 数据点和均值的样式、颜色都可以自定义，匹配你的需求

内容的提问来源于stack exchange，提问作者Steve..Johnson