python - 为什么seaborn boxplot中的四分位数与ploty不同？我怎样才能让他们向我展示相同的结果？

Question

海博恩

1. 导入库和加载数据

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()

2. 显示箱线图和四分位数

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()

情节

1. 显示箱线图和四分位数

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

为什么四分位数不同？

Answer 1

我没有足够的能力给你解释统计数据，但似乎是25%和75%四分位数的补全方法不同造成的。简单来说，pandas(seaborn,numpy) 和 plotly 默认有不同的计算方式。

import pandas as pd
x = df[df.year==2007]['lifeExp'].values
pd.DataFrame(pd.Series(x.ravel()).describe()).transpose()

	数数	意思是	性病	分钟	25%	50%	75%	最大限度
0	142	67.0074	12.073	39.613	57.1602	71.9355	76.4133	82.603

pd.Series.quantile 看到这个

插值{'linear', 'lower', 'higher', 'midpoint', 'nearest'} 此可选参数指定要使用的插值方法，当所需的分位数位于两个数据点 i 和 j 之间时：

• 线性：i + (j - i) * fraction，其中 fraction 是由 i 和 j 包围的索引的小数部分。

• 较低：一。

• 更高：j。

• 最近的：i 或 j 以最近的为准。

• 中点：(i + j) / 2。

pd.Series(x.ravel()).quantile(q=0.75, interpolation='higher')
76.423 <- plotly.box.Q3

pd.Series(x.ravel()).quantile(q=0.25, interpolation='lower')
56.867 <- plotly.box.Q1

Answer 2

r-beginners 已经回答了您的主要问题，但次要问题似乎仍未得到回答：

我怎样才能让他们向我展示相同的结果？

px.box具有三个用于计算四分位数的内置选项：

['linear', 'exclusive', 'inclusive']

如果您有预先计算的值，或者如果您需要使用与提供的算法不同的算法，则可以为您的px.box图形指定它们，如下所示：

fig.update_traces(q1=[df['lifeExp'].quantile(.25)],
                  median=[df['lifeExp'].median()],
                  q3=[df['lifeExp'].quantile(.75)],
                  lowerfence=[df['lifeExp'].min()],
                  upperfence=[df['lifeExp'].max()],
                 )

阴谋

但请注意，如果您尝试仅手动设置上述其中一项，您可能会遇到一些不正常的行为。在这种情况下，绘图的基础计算似乎可能会恢复为默认值。如果我发现更多信息，我会回复你。

完整代码：

import plotly.graph_objects as go

import plotly.express as px
df = px.data.gapminder()

df = df[df.year==2007]#.tail(8)

fig = px.box(df, x = 'lifeExp', orientation = 'h')

fig.update_traces(q1=[df['lifeExp'].quantile(.25)],
                  median=[df['lifeExp'].median()],
                  q3=[df['lifeExp'].quantile(.75)],
                  lowerfence=[df['lifeExp'].min()],
                  upperfence=[df['lifeExp'].max()],
                 )

fig.show()