按物种划分的标准差图 - python

Question

我正在尝试为物种开发一个标准的开发图，但所有相等线的结果图并没有多大意义。有人可以告诉我发生这种情况是因为我做错了什么还是之前没有做吗？

我也不明白为什么每个物种有 50 个却达到了 14 个

from sklearn.datasets import load_iris
import pandas as pd
import seaborn as sns
iris = load_iris()
iris_df=pd.DataFrame(iris.data, columns=iris.feature_names)
iris_df['species_id'] = iris.target
iris_df['species_id'] = iris_df['species_id'].replace([0,1,2],iris.target_names)
iris_df['x_pos'] = np.arange(len(iris_df))
print(iris_df)

plt.figure(figsize=(10,5))
ax = sns.barplot(x = "species_id", y = "x_pos", data = iris_df, estimator = np.std)
ax.set_xlabel("Frequency", fontsize = 10)
ax.set_ylabel("Species", fontsize = 10)
ax.set_title("Standard Deviation of Species", fontsize = 15)

Answer 1

您的论点 y=x_pos 是这里的问题，因为要评估的数据（例如 setosa）将是 [0,1,..., 49, 50] ，这会导致标准差为 np.std(range(50)) = 14.43。对于 np.std(range(50,100)) = 14.43 和 np.std(range(100,150)) = 14.43 也是如此。

您想要做的是获取按物种进行的每次测量的标准偏差。这可以通过完成

for cat in ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']:
    plt.figure(figsize=(10,5))
    ax = sns.barplot(x = "species_id", y = cat, data = iris_df, estimator = np.std)
    ax.set_xlabel("Frequency", fontsize = 10)
    ax.set_ylabel("Species", fontsize = 10)
    ax.set_title(f"Standard deviation of {cat} by species", fontsize = 15)

并产生一些漂亮的图

请注意，seaborn.barplot 不支持参数 y 的多个列名称。如果你愿意，你可以在可能的情况下使用 pandas 重写整个过程。

iris_df = iris_df.drop('x_pos',axis=1)
iris_df.groupby('species_id').agg(np.std).plot.bar()

导致

Answer 2

每行 x_pos 增加 1。数据集按物种排序，&每个物种有 50 个测量值，因此对于每个物种，您将获得相同的标准差。

下面的图有助于解释原因：

sns.scatterplot(x='x_pos', y=1, hue='species_id', data=iris_df)

从 0 到 49 的一系列整数的标准差与从 50 到 99 的一系列整数的标准差相同，所以 在。

更有趣的图是任何特征的标准差。例如：

ax = sns.barplot(
    x='species_id',
    y='sepal length (cm)',
    data=iris_df,
    estimator=np.std
)
ax.set_xlabel('Frequency', fontsize=10)
ax.set_ylabel('Species', fontsize=10)
ax.set_title('StdDev of Sepal Length', fontsize=15)