如何在Plotly箱线图中显示ANOVA的P值

我已经创建了如下箱线图：

现在想为每个作物添加ANOVA的P值，比如针对作物Mn24，我手动计算P值的代码如下：

from scipy.stats import f_oneway

control= [15.72,
15.3,
17.55,
15.67,
16.59,
16.33,
17.57,
9.64,
18.81,
19.21,
13.19,
15.23,
15.5,
17.62,
16.19,
16.87,
14.84,
16,
17.28,
16.21]

min_uvc = [ 14.19,
16.36,
18.48,
14.42,
17.21,
15.53,
13.87,
14.4,
12.82,
18.22,
16.16,
12.32,
17.3,,
12.91,
13.95,
15.16,
18.72,
15.04,
14.23,
15.44]

min_uvc = [
    19.15,
16.8,
16.2,
14.71,
17.71,
17.25,
16,
17.55,
14.68,
14.01,
17.4,
16.12,
17,
16.23,
15.89,
15.67,
16.5,
18.15,
17.15,
17
]

f_oneway(control, min_uvc, min_uvc)

计算结果为：

F_onewayResult(statistic=0.6694852492816592, pvalue=0.5159512878772639)

我希望将每个作物的P值显示在箱线图上，效果类似下图：

我查阅了Plotly箱线图官方文档但未找到相关帮助，请问有什么实现建议或指引吗？相关数据可参考指定gist文件。

核心思路 #

Plotly原生箱线图没有直接嵌入统计值的功能，需通过批量计算P值+手动添加文本注释的方式实现，具体步骤如下：

1. 批量计算所有作物的ANOVA P值 #

先读取数据并按作物分组，对每组内的不同处理组计算ANOVA的P值：

import pandas as pd
from scipy.stats import f_oneway

# 读取数据（替换为你的数据加载方式）
df = pd.read_csv("你的数据文件路径")

# 按作物分组计算P值
p_values = {}
# 替换为实际的列名：作物列、处理组列、数值列
for crop, group in df.groupby("作物列名"):
    # 提取当前作物下各处理组的数据列表
    treatment_groups = [data for _, data in group.groupby("处理组列名")["数值列名"]]
    # 执行ANOVA计算
    _, p_val = f_oneway(*treatment_groups)
    p_values[crop] = round(p_val, 4)  # 保留4位小数，可按需调整

2. 在箱线图上添加P值注释 #

创建箱线图后，通过add_annotation()为每个作物对应的x轴位置添加P值文本：

import plotly.express as px

# 创建基础箱线图
fig = px.box(df, x="作物列名", y="数值列名", color="处理组列名")

# 获取x轴的作物顺序和对应坐标位置
x_categories = fig.layout.xaxis.categoryarray
x_positions = list(range(len(x_categories)))

# 遍历每个作物添加注释
for pos, crop in zip(x_positions, x_categories):
    # 获取当前作物的最大y值，设置注释的垂直位置（加少量偏移避免与箱线重叠）
    max_y = df[df["作物列名"] == crop]["数值列名"].max()
    y_pos = max_y + (df["数值列名"].max() * 0.02)  # 偏移量可按需调整
    
    # 添加P值注释
    fig.add_annotation(
        x=pos,
        y=y_pos,
        text=f"P = {p_values[crop]}",
        showarrow=False,
        font=dict(size=10, color="black")
    )

# 调整y轴范围，避免注释被裁剪
fig.update_layout(yaxis_range=[df["数值列名"].min() * 0.95, df["数值列名"].max() * 1.05])

fig.show()

3. 细节优化 #

• 若P值极小（如<0.0001），可改用科学计数法显示：text=f"P = {p_values[crop]:.2e}"
• 可根据显著性设置文本颜色，比如P<0.05时用红色：font=dict(size=10, color="red" if p_values[crop]<0.05 else "black")
• 若箱线图有复杂分组，可通过fig.layout.xaxis.tickvals确认x轴坐标位置，确保注释对齐正确

内容的提问来源于stack exchange，提问作者user2129623