如何使用Seaborn绘制带1/3相嵌套分组数据的时序箱线图
适配多户电压数据的Seaborn分组箱线图实现方案
核心实现逻辑
针对列名带自动后缀的宽表结构,按三步实现目标效果:
- 解析带点号后缀的列名,提取真实户号,同时根据列数自动标记单相/三相供电类型
- 转长表过程中严格锁定原始户号的排列顺序,匹配户号与参考点距离的x轴映射关系
- 用Seaborn的分类参数将同户数据聚合到同一x刻度,通过hue参数实现供电类型的颜色区分
具体实现步骤
1. 读取数据并解析列元信息
读取原始CSV文件,遍历所有列名提取真实户号,统计每个户号的列数标记供电类型:
import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 读取原始数据 VoltageProfileFile = pd.read_csv( dest + '/VoltageProfiles_' + str(PV_par['value_PV']) + '%PV.csv', dtype='float' ) # 解析每一列对应的真实户号 col_meta = [] for col in VoltageProfileFile.columns: # 拆分带自动后缀的列名,去掉.1/.2这类后缀获取主户号 real_house_id = float(str(col).split('.')[0]) col_meta.append({"original_col_name": col, "house_id": real_house_id}) col_meta = pd.DataFrame(col_meta) # 统计每个户号的列数,标记供电类型 house_stats = col_meta.groupby('house_id')['original_col_name'].count().reset_index() house_stats['power_type'] = house_stats['original_col_name'].apply( lambda col_count: '1-phase' if col_count == 1 else '3-phase' ) # 将供电类型映射回每一列的元信息表 col_meta = col_meta.merge(house_stats[['house_id', 'power_type']], on='house_id')
2. 转长表并固定x轴顺序
严格固定x轴排列顺序,保证户号与参考点距离的映射关系不被打乱:把原始列中户号的出现顺序作为强制绘图顺序,将户号字段转换为有序分类变量,禁止绘图环节自动重排顺序:
# 宽表转长表 long_voltage = VoltageProfileFile.melt( value_vars=col_meta['original_col_name'], var_name='original_col_name', value_name='voltage' ) # 关联户号、供电类型信息到长表 long_voltage = long_voltage.merge(col_meta, on='original_col_name') # 生成固定的户号绘制顺序 fixed_house_order = col_meta['house_id'].drop_duplicates().tolist() # 将户号转换为带固定顺序的分类变量 long_voltage['house_id'] = pd.Categorical( long_voltage['house_id'], categories=fixed_house_order, ordered=True )
3. 绘制目标样式的箱线图
plt.figure(figsize=(20, 5)) sns.boxplot( x='house_id', y='voltage', hue='power_type', data=long_voltage, dodge=False, # 单户仅对应一种供电类型,无需位置偏移 fliersize=2 # 缩小离群点尺寸,优化视图密度 ) # 匹配原始绘图的坐标范围 plt.ylim(0.9, 1.1) plt.xticks(rotation=60) # 调整图例位置避免遮挡数据 plt.legend(title='供电类型', bbox_to_anchor=(1.01, 1), loc='upper left') plt.tight_layout() plt.show()
实现效果说明
- x轴仅保留每个户的主id,去掉
1.1/1.2这类冗余刻度,同户所有相的电压数据全部聚合到对应x位置 - x轴顺序完全匹配原始列的排列逻辑,不会打乱户号与参考点距离的对应关系
- 单相、三相数据通过不同颜色自动区分,无需手动归类
- 数值统计结果和原pandas基础绘图完全一致,没有数据偏移或统计误差
内容的提问来源于stack exchange,提问作者rclee
相关产品推荐
相关产品推荐

