合并温度DataFrame，绘制单组分色箱线图并展示散点

要实现同时展示分组箱线图、不同颜色的单个数据点，你可以结合Seaborn的boxplot和stripplot（或swarmplot）来完成，核心是利用hue参数区分组别，并通过dodge=True避免散点与箱线重叠。以下是完整实现步骤：

1. 完善数据生成（补充21世纪数据） #

首先补充生成21世纪的温度数据，我们让它的中位数略高于20世纪，以便观察差异：

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

def generate(median=20, err=1, outlier_err=25, size=100, outlier_size=10):
    errs = err * np.random.rand(size) * np.random.choice((-5, 5), size)
    data = median + errs

    lower_errs = outlier_err * np.random.rand(outlier_size)
    lower_outliers = median - err - lower_errs

    upper_errs = outlier_err * np.random.rand(outlier_size)
    upper_outliers = median + err + upper_errs

    data = np.round(np.concatenate((data, lower_outliers, upper_outliers)))
    np.random.shuffle(data)

    return data

# 生成20世纪数据
data_20th = pd.DataFrame(generate(), columns=['temp'])
data_20th['year'] = '20th Century'

# 生成21世纪数据（中位数设为22，体现温度上升）
data_21st = pd.DataFrame(generate(median=22), columns=['temp'])
data_21st['year'] = '21st Century'

# 合并数据
full_data = pd.concat([data_20th, data_21st], ignore_index=True)

2. 绘制箱线图+散点图 #

使用boxplot绘制箱线，再用stripplot叠加单个数据点，通过hue参数指定组别颜色，dodge=True确保散点与对应箱线对齐：

# 设置绘图风格
sns.set_style("whitegrid")
plt.figure(figsize=(8, 6))

# 绘制箱线图，hue区分组别，palette指定颜色
box = sns.boxplot(
    x='year', 
    y='temp', 
    hue='year', 
    data=full_data,
    palette={'20th Century': '#3498db', '21st Century': '#e74c3c'},
    boxprops={'alpha': 0.7},  # 箱线透明度
    showfliers=False  # 不显示箱线自带的异常值点，改用stripplot展示所有点
)

# 绘制散点图，dodge=True让散点与箱线对齐，jitter添加随机偏移避免重叠
stripplot = sns.stripplot(
    x='year', 
    y='temp', 
    hue='year', 
    data=full_data,
    palette={'20th Century': '#3498db', '21st Century': '#e74c3c'},
    dodge=True,
    jitter=0.2,
    size=4,
    alpha=0.6
)

# 合并重复图例（boxplot和stripplot会生成两份图例）
handles, labels = box.get_legend_handles_labels()
plt.legend(handles[:2], labels[:2], title='Century')

# 添加标题和标签
plt.title('Temperature Distribution: 20th vs 21st Century', fontsize=14)
plt.xlabel('Century', fontsize=12)
plt.ylabel('Temperature (°C)', fontsize=12)

plt.show()

关键说明 #

• showfliers=False：关闭箱线图自带的异常值点，避免与手动添加的散点重复。
• dodge=True：确保散点与对应组的箱线对齐，不会跨组重叠。
• jitter=0.2：给散点添加少量随机水平偏移，避免大量点重叠在一起。
• palette：手动指定两组的颜色，确保箱线和散点颜色一致。

这样生成的图既能清晰展示两个世纪的温度分布箱线，又能通过不同颜色的散点看到每个数据点的位置，方便判断21世纪的温度是否处于20世纪的异常值范围。

内容的提问来源于stack exchange，提问作者Kshitij Yadav