Seaborn箱线图显示异常，请求排查代码问题

我编写了一段统计代码，试图生成按航空公司平均延误时长排序的箱线图，但生成的图显示异常。

原代码：

data = data.assign(
    ArrDelay=np.where(data["ArrDelay"].lt(0), 0, data["ArrDelay"]),
    DepDelay=np.where(data["DepDelay"].lt(0), 0, data["DepDelay"])
)
data[["ArrDelay", "DepDelay"]].head(40)
data['Month'] = (data['ArrDelay'] + data['DepDelay'])

result = data.groupby("UniqueCarrier")["Month"].mean()
print(result)
sns.boxplot(x='UniqueCarrier', y='Month', data=data, order=result.index)

当前异常图：

期望样式图：

核心问题 #

• 变量命名混淆：将单条记录的总延误时长命名为Month，与实际月份字段无关联，造成逻辑混乱。
• 排序逻辑错误：result.index是分组后的默认顺序，未按平均延误值排序，导致箱线图排列不符合期望。
• 极端值干扰：大量极端值压缩了箱线主体，视觉效果与期望图差异大。

修正后的代码 #

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 处理负延误值，转为0
data = data.assign(
    ArrDelay=np.where(data["ArrDelay"] < 0, 0, data["ArrDelay"]),
    DepDelay=np.where(data["DepDelay"] < 0, 0, data["DepDelay"])
)

# 计算单条记录总延误，命名更清晰
data['TotalDelay'] = data['ArrDelay'] + data['DepDelay']

# 按航空公司分组计算平均延误，降序排序
mean_delay = data.groupby("UniqueCarrier")["TotalDelay"].mean().sort_values(ascending=False)

# 生成按均值排序的箱线图，可选隐藏极端值
sns.boxplot(
    x='UniqueCarrier', 
    y='TotalDelay', 
    data=data, 
    order=mean_delay.index,
    showfliers=False  # 隐藏极端值，让箱线结构更清晰
)

# 优化图表可读性
plt.title("Total Delay by Airline (Sorted by Average Delay)")
plt.xlabel("Airline Carrier")
plt.ylabel("Total Delay (Minutes)")
plt.xticks(rotation=45)
plt.show()

关键修正说明 #

• 重命名Month为TotalDelay，避免命名歧义，逻辑更直观。
• 对分组均值执行sort_values(ascending=False)，确保箱线图按平均延误从高到低排列，匹配期望样式。
• 添加showfliers=False隐藏极端值，还原期望图的清晰箱线结构。
• 新增可视化调整代码，优化图表标签和可读性。

内容的提问来源于stack exchange，提问作者Eug