如何将20份跑步记录DataFrame的心率数据整合到同一张箱线图展示

核心思路是将20个独立的跑步记录DataFrame合并为带唯一跑步标识的总表，再调用可视化库绘制分组箱线图即可，完整实现流程如下：

1. 导入所需依赖 #

import pandas as pd
import matplotlib.pyplot as plt
# 可选：用seaborn绘制样式更美观的箱线图
import seaborn as sns

2. 批量合并20份跑步数据 #

假设20份记录文件统一命名为run_0.csv~run_19.csv且存放在同一目录下，合并代码如下：

all_run_data = []
for run_id in range(20):
    # 读取单份跑步记录
    single_run_df = pd.read_csv(f"run_{run_id}.csv")
    # 新增列标识当前是第几次跑步，用于后续分组
    single_run_df["跑步批次"] = f"第{run_id+1}次跑步"
    all_run_data.append(single_run_df)
# 合并为总表，不同长度的记录会自动对齐
total_df = pd.concat(all_run_data, ignore_index=True)

如果你的文件命名规则不同，只需修改循环内的文件读取路径，保证每个单表新增的「跑步批次」列是唯一标识即可。

3. 绘制箱线图 #

方法1：使用seaborn绘制（推荐，样式更友好） #

plt.figure(figsize=(16, 7))
# x轴为跑步批次，y轴为心率列，注意替换为你实际的列名（你给出的示例写为Hears Rate，大概率是Heart Rate的拼写错误）
sns.boxplot(data=total_df, x="跑步批次", y="Heart Rate")
# 旋转x轴标签避免文字重叠
plt.xticks(rotation=30)
plt.title("20次跑步心率分布对比")
plt.xlabel("跑步记录批次")
plt.ylabel("心率（次/分钟）")
# 自动调整布局避免标签被截断
plt.tight_layout()
plt.show()

方法2：使用原生matplotlib绘制（无需额外安装seaborn） #

# 直接提取每个批次的心率序列
hr_series_list = [df["Heart Rate"] for df in all_run_data]
plt.figure(figsize=(16, 7))
plt.boxplot(hr_series_list, labels=[f"第{i+1}次跑步" for i in range(20)])
plt.xticks(rotation=30)
plt.title("20次跑步心率分布对比")
plt.xlabel("跑步记录批次")
plt.ylabel("心率（次/分钟）")
plt.tight_layout()
plt.show()

两种实现方式都支持自动适配不同时长的跑步记录，最终输出的图中每个箱线对应单次跑步所有心率数据的分布统计，包含中位数、四分位距、异常值等信息。

内容的提问来源于stack exchange，提问作者sleli