如何基于带计数列的分组数据绘制Seaborn箱线图？

方案原理 #

Seaborn原生boxplot接口不直接支持权重参数，因此我们可以提前按分组计算加权统计量，再传入绘图接口实现需求，完全避免行重复带来的内存浪费。

具体实现步骤 #

• 第一步：计算每个region分组的加权箱线图统计量
  可以用statsmodels提供的加权描述性统计工具快速计算加权分位数，也可以自定义加权分位数函数避免额外依赖。
  示例代码：

  import seaborn as sns
  import matplotlib.pyplot as plt
  import pandas as pd
  import numpy as np
  from statsmodels.stats.weightstats import DescrStatsW
  
  # 按region分组计算加权统计量
  def calc_weighted_box_stats(sub_df):
      w_stats = DescrStatsW(sub_df['age'], weights=sub_df['total'])
      q1, med, q3 = w_stats.quantile([0.25, 0.5, 0.75])
      iqr = q3 - q1
      # 计算1.5倍IQR范围的上下须
      lower_whisker = q1 - 1.5 * iqr
      upper_whisker = q3 + 1.5 * iqr
      # 须的边界不能超过实际数据的极值
      actual_min = sub_df['age'].min()
      actual_max = sub_df['age'].max()
      return pd.Series({
          'med': med,
          'q1': q1,
          'q3': q3,
          'whislo': max(lower_whisker, actual_min),
          'whishi': min(upper_whisker, actual_max)
      })
  
  weighted_box_stats = df.groupby('region').apply(calc_weighted_box_stats).reset_index()
  
  # 转换为matplotlib bxp接口支持的格式
  stats_list = weighted_box_stats.rename(columns={'region':'label'}).to_dict('records')
  
  # 绘图
  fig, ax = plt.subplots(figsize=(12, 6))
  ax.bxp(stats_list, patch_artist=True, showfliers=False)
  sns.despine()
  plt.xlabel('Region')
  plt.ylabel('Age')
  plt.xticks(rotation=45)
  plt.show()
  

• 第二步（可选）：自定义加权分位数函数
  如果不想引入statsmodels依赖，可以用以下函数替代加权分位数计算逻辑：

  def weighted_quantile(values, weights, quantiles):
      values = np.array(values)
      weights = np.array(weights)
      # 按值排序
      sorter = np.argsort(values)
      values = values[sorter]
      weights = weights[sorter]
      # 计算累积权重
      cum_weights = np.cumsum(weights)
      cum_weights = cum_weights / cum_weights[-1]
      # 插值得到分位数
      return np.interp(quantiles, cum_weights, values)
  

  调用时把DescrStatsW部分替换为该函数即可。

方案优势 #

• 完全不需要按total值重复行，避免了数据膨胀，大样本下内存效率提升非常明显
• 统计逻辑完全可控，可以灵活调整箱线图须、分位数的计算规则

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