如何为多值特征创建seaborn violinplot小提琴图

问题描述 #

在做电影数据集可视化分析时，需要绘制电影类型对应评分分布的小提琴图，用到的两个核心特征为电影评分、电影类型。
当前数据中多数电影同时归属多个类型，类型字段存储为列表格式，暂未做编码处理，初始构造数据代码如下：

genres = [['action', 'drama', 'comedy'], ['comedy', 'drama'], ['action', 'sci-fi', 'comedy']]
rating = [6, 8, 3]

data = {'Rating': rating, 'Genres': genres}
df = pd.DataFrame(data=data)

初始DataFrame结构：

单类型场景下可直接调用以下代码完成绘图：

sns.violinplot(x='Genres', y='Rating', data=df)

单类型绘图效果参考：

多值类型场景下直接调用上述代码会把整个列表作为x轴分类，无法得到按单个类型拆分的分布结果。

解决方法 #

不需要调整绘图逻辑，只需要先把多值类型的数据集拆分为单行对应单个类型+对应评分的长表结构，再调用原有绘图接口即可。

实现代码 #

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

# 拆分多值类型列，列表中每个元素单独生成一行，评分自动同步复制
df_long = df.explode(column='Genres', ignore_index=True)

# 按常规单类型字段逻辑绘图即可
plt.figure(figsize=(10, 6))
sns.violinplot(x='Genres', y='Rating', data=df_long)
# 类型数量较多时可旋转x轴标签避免重叠
plt.xticks(rotation=30)
plt.show()

补充说明 #

• 拆分后每个类型对应的评分样本为所有标注了该类型的电影评分，绘制出的小提琴图可以准确反映各类型自身的评分分布
• 如果需要避免同一部电影在跨类型统计时的重复权重影响，可以根据分析目标增加加权、去重规则，常规分布统计场景下直接拆分即可满足需求
• 若使用的pandas版本低于0.25.0没有explode方法，可以用列表推导式手动实现拆分：

  # 旧版pandas手动拆分实现
  df_long = pd.DataFrame([
      {'Rating': row.Rating, 'Genres': g} 
      for _, row in df.iterrows() 
      for g in row.Genres
  ])
  

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