如何根据 pandas 中的字典列创建箱线图

Question

我有一个数据框，其中每一行都是我想在其上使用的字典 seaborn's horizontal box plot。
1. x 轴应该是每个 'dialog'
2. y 轴应显示 4 种不同的模型
3. 每个词性 应该有一个图表，这意味着 'INTJ' 应该有一个图表，'ADV' 应该有另一个图表，依此类推。
我想我必须先做一个 pd.melt 来重组数据，这样新的列就会是 'dialog_num'、'model_type' , 和'value'（做熔化后的自动变量名，但基本上是字典的行）。
之后，也许打破'value'变量，使每一列都是词性（'ADV'，'INTJ'，'VERB'，等）（这部分对我来说似乎很棘手）。超过这一点...对所有列执行 for 循环并应用水平箱线图？

import pandas as pd

pos =\
{'dialog_num': {0: 0, 1: 1, 2: 2},
 'model1': {0: {'ADV': 0.072, 'INTJ': 0.03, 'PRON': 0.133, 'VERB': 0.109},
            1: {'ADJ': 0.03, 'NOUN': 0.2, 'PRON': 0.13},
            2: {'ADV': 0.083, 'PRON': 0.125, 'VERB': 0.0625}},
 'model2': {0: {'ADJ': 0.1428, 'ADV': 0.1428, 'AUX': 0.1428, 'INTJ': 0.285},
            1: {'ADJ': 0.1, 'DET': 0.1, 'NOUN': 0.1, 'PROPN': 0.1, 'VERB': 0.2},
            2: {'CCONJ': 0.166, 'NOUN': 0.333, 'SPACE': 0.166, 'VERB': 0.3333}},
 'model3': {0: {'ADJ': 0.06, 'CCONJ': 0.06, 'NOUN': 0.2, 'PRON': 0.266, 'SPACE': 0.066, 'VERB': 0.333},
            1: {'AUX': 0.15, 'PRON': 0.25, 'PUNCT': 0.15, 'VERB': 0.15},
            2: {'ADP': 0.125, 'PRON': 0.0625, 'PUNCT': 0.0625, 'VERB': 0.25}},
 'model4': {0: {'ADJ': 0.25, 'ADV': 0.08, 'CCONJ': 0.083, 'PRON': 0.166},
            1: {'AUX': 0.33, 'PRON': 0.2, 'VERB': 0.0667},
            2: {'CCONJ': 0.125, 'NOUN': 0.125, 'PART': 0.125, 'PRON': 0.125, 'SPACE': 0.125, 'VERB': 0.375}}}
df = pd.DataFrame.from_dict(pos)

display(df)
   dialog_num                                                      model1                                                            model2                                                                                   model3                                                                                        model4
0           0  {'INTJ': 0.03, 'ADV': 0.072, 'PRON': 0.133, 'VERB': 0.109}      {'INTJ': 0.285, 'AUX': 0.1428, 'ADV': 0.1428, 'ADJ': 0.1428}  {'PRON': 0.266, 'VERB': 0.333, 'ADJ': 0.06, 'NOUN': 0.2, 'CCONJ': 0.06, 'SPACE': 0.066}                                     {'PRON': 0.166, 'ADV': 0.08, 'ADJ': 0.25, 'CCONJ': 0.083}
1           1                    {'PRON': 0.13, 'ADJ': 0.03, 'NOUN': 0.2}  {'PROPN': 0.1, 'VERB': 0.2, 'DET': 0.1, 'ADJ': 0.1, 'NOUN': 0.1}                                 {'PRON': 0.25, 'AUX': 0.15, 'VERB': 0.15, 'PUNCT': 0.15}                                                    {'PRON': 0.2, 'AUX': 0.33, 'VERB': 0.0667}
2           2               {'PRON': 0.125, 'ADV': 0.083, 'VERB': 0.0625}   {'VERB': 0.3333, 'CCONJ': 0.166, 'NOUN': 0.333, 'SPACE': 0.166}                            {'PRON': 0.0625, 'VERB': 0.25, 'PUNCT': 0.0625, 'ADP': 0.125}  {'PRON': 0.125, 'VERB': 0.375, 'PART': 0.125, 'CCONJ': 0.125, 'NOUN': 0.125, 'SPACE': 0.125}

Answer 1

sns.boxplot 期望在指定 x= 和 y=.

data

在这种情况下，根据将每个语音类型作为单独的图的规范，将使用sns.catplot，因为有一个col=参数，可用于创建单独的图对于语音类型。

如 OP 中所述，使用 .melt 取消旋转宽数据帧。
.json_normalize 可用于将 'value' 列（dict 类型）转换为平面 table。
- 如果此步骤有问题，请参阅 Split / Explode a column of dictionaries into separate columns with pandas。
将扁平化的 table (vals) 与 .join 合并到 dfm。
- 这是可行的，因为 vals 和 dfm 具有匹配的索引。
.melt 数据帧。
根据长格式数据框绘制箱线图。

在 python 3.10、pandas 1.4.2、matplotlib 3.5.1、seaborn 0.11.2

import pandas as pd
import seaborn as sns

# load the dict into a dataframe
df = pd.DataFrame(pos)

# unpivot the dataframe
dfm = df.melt(id_vars='dialog_num', var_name='model')

# convert the 'value' column of dicts to a flat table
vals = pd.json_normalize(dfm['value'])

# combine vals to dfm, without the 'value' column
dfm = dfm.iloc[:, 0:-1].join(vals)

# unpivot the dataframe again
dfm = dfm.melt(id_vars=['dialog_num', 'model'])

将所有语音类型绘制在一起

p = sns.boxplot(data=dfm, x='value', y='model')

分别绘制语音类型

大多数语音类型只有一个值，或者没有值。

p = sns.catplot(kind='box', data=dfm, x='value', y='model', col='variable', col_wrap=4, height=4)

每一步的数据帧

1: `dfm.head()`

   dialog_num   model                                                             value
0           0  model1        {'INTJ': 0.03, 'ADV': 0.072, 'PRON': 0.133, 'VERB': 0.109}
1           1  model1                          {'PRON': 0.13, 'ADJ': 0.03, 'NOUN': 0.2}
2           2  model1                     {'PRON': 0.125, 'ADV': 0.083, 'VERB': 0.0625}
3           0  model2      {'INTJ': 0.285, 'AUX': 0.1428, 'ADV': 0.1428, 'ADJ': 0.1428}
4           1  model2  {'PROPN': 0.1, 'VERB': 0.2, 'DET': 0.1, 'ADJ': 0.1, 'NOUN': 0.1}

2: `vals.head()`

    INTJ     ADV   PRON    VERB     ADJ  NOUN     AUX  PROPN  DET  CCONJ  SPACE  PUNCT  ADP  PART
0  0.030  0.0720  0.133  0.1090     NaN   NaN     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
1    NaN     NaN  0.130     NaN  0.0300   0.2     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
2    NaN  0.0830  0.125  0.0625     NaN   NaN     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
3  0.285  0.1428    NaN     NaN  0.1428   NaN  0.1428    NaN  NaN    NaN    NaN    NaN  NaN   NaN
4    NaN     NaN    NaN  0.2000  0.1000   0.1     NaN    0.1  0.1    NaN    NaN    NaN  NaN   NaN

3: `dfm.head()`

   dialog_num   model   INTJ     ADV   PRON    VERB     ADJ  NOUN     AUX  PROPN  DET  CCONJ  SPACE  PUNCT  ADP  PART
0           0  model1  0.030  0.0720  0.133  0.1090     NaN   NaN     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
1           1  model1    NaN     NaN  0.130     NaN  0.0300   0.2     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
2           2  model1    NaN  0.0830  0.125  0.0625     NaN   NaN     NaN    NaN  NaN    NaN    NaN    NaN  NaN   NaN
3           0  model2  0.285  0.1428    NaN     NaN  0.1428   NaN  0.1428    NaN  NaN    NaN    NaN    NaN  NaN   NaN
4           1  model2    NaN     NaN    NaN  0.2000  0.1000   0.1     NaN    0.1  0.1    NaN    NaN    NaN  NaN   NaN

4: `dfm.head()`

   dialog_num   model variable  value
0           0  model1     INTJ  0.030
1           1  model1     INTJ    NaN
2           2  model1     INTJ    NaN
3           0  model2     INTJ  0.285
4           1  model2     INTJ    NaN

如何根据 pandas 中的字典列创建箱线图

How to create box plots from columns of dicts in pandas

boxplot

python-3.x

pandas

seaborn

json-normalize

将所有语音类型绘制在一起

分别绘制语音类型

每一步的数据帧

1: `dfm.head()`

2: `vals.head()`

3: `dfm.head()`

4: `dfm.head()`

如何根据 pandas 中的字典列创建箱线图

How to create box plots from columns of dicts in pandas

boxplot

python-3.x

pandas

seaborn

json-normalize

将所有语音类型绘制在一起

分别绘制语音类型

每一步的数据帧

1: dfm.head()

2: vals.head()

3: dfm.head()

4: dfm.head()

1: `dfm.head()`

2: `vals.head()`

3: `dfm.head()`

4: `dfm.head()`