为何Seaborn与Plotly箱线图四分位数不一致？如何让二者输出相同结果

Seaborn #

• 导入库并加载数据

import pandas as pd

import seaborn as sns
from matplotlib import pyplot as plt

sns.set_theme(style="whitegrid", palette="muted") # Set2, muted, pastel, colorblind

# Load the data
import plotly.express as px
df = px.data.gapminder()
df.head()

• 展示箱线图及四分位数

sns.boxplot(
    data=df[df.year==2007],
    x='lifeExp',
    orient="h",
);

print('q1', df[df.year==2007]['lifeExp'].quantile(.25))
print('median', df[df.year==2007]['lifeExp'].median())
print('q3', df[df.year==2007]['lifeExp'].quantile(.75))

plt.show()

Plotly #

• 展示箱线图及四分位数

fig_box = px.box(df[df.year==2007], x='lifeExp', orientation='h',
                 width=500, height=300)
fig_box.show()

二者默认采用的分位数计算规则不同：

• Seaborn的箱线图直接复用pandas的quantile()计算结果，pandas默认使用interpolation='linear'的线性插值分位数规则。
• Plotly箱线图默认采用Tukey exclusive规则，计算Q1、Q3时会先排除中位数，再分别取上下半段数据的中位数作为分位值。

最简便的方式是调整Plotly的quartilemethod参数对齐Seaborn的默认计算规则，修改后代码如下：

fig_box = px.box(df[df.year==2007], x='lifeExp', orientation='h',
                 width=500, height=300,
                 quartilemethod='linear') # 新增本参数指定线性插值规则
fig_box.show()

如果需要让Seaborn对齐Plotly的默认输出，修改pandas计算分位数时的插值参数即可：

# 对齐Plotly默认exclusive规则的分位数计算
q1 = df[df.year==2007]['lifeExp'].quantile(.25, interpolation='midpoint')
median = df[df.year==2007]['lifeExp'].median()
q3 = df[df.year==2007]['lifeExp'].quantile(.75, interpolation='midpoint')

内容的提问来源于stack exchange，提问作者Elizio Era