如何将X/Y轴的缩放尺度更改为绘制Pandas DataFrame中的异常值？

Question

在我试图在散点图上绘制的一组数据点中，有几个巨大的异常点。作为参考，大多数值范围在0-100之间，但偶尔有一个异常点为100000。因此，当我在散点图，盒子图或任何绘图上绘制图形时，它会缩小太大的放大以适合所有指出，范围为0-100的99％的点看起来像一个小点。有什么方法可以缩放它，以便对点的前99％进行相应的缩放，并使刻度跳到异常点的值，以使其适合图表？

这是图表的外观：

框图：

散点图：

Answer 1

使用限制使用plt.axis（）函数。

plt.axis（[x_min，x_max，y_min，y_max]）
其中x_min，x_max，y_min和y_max是两个斧头的坐标极限

Answer 2

您可以将X/Y轴刻度设置为记录，也可以将X/Y上的限制设置为X/Y（例如plt.xlim（0,200））以从图表中隐藏异常：

import seaborn as sns
import matplotlib.pyplot as plt
sns.set_style('whitegrid')

plt.figure(figsize=(20,12))
data = [1,2,3,4,5,55,1,6,7,24,67,33,41,75,100_000,1_000_000]
plt.subplot(2,2,1)
plt.title('basic boxplot')
sns.boxplot(x=data, flierprops=dict(markerfacecolor='green', markersize=7))
plt.subplot(2,2,2)
plt.title('log x axis')
b = sns.boxplot(x=data, flierprops=dict(markerfacecolor='red', markersize=7))
b.set_xscale('log')
plt.subplot(2,2,3)
plt.title('basic scatter')
hue = ['outlier' if i > 100 else 'basic sample' for i in data]
sns.scatterplot(x=data, y=data, hue=hue)
plt.subplot(2,2,4)
plt.title('log x/y scatter')
s = sns.scatterplot(x=data, y=data, hue=hue)
s.set_xscale('log')
s.set_yscale('log')
plt.show()

Answer 3

otset library 可以帮助您进行多尺度可视化以考虑大型含量超级超级距离。

示例

绘制所有数据，包括离群值，然后绘制一个仅显示非外观的变焦面板。

# adapted from https://stackoverflow.com/a/72778992/17332200
import matplotlib.pyplot as plt
import numpy as np
import outset as otst
import pandas as pd
import seaborn as sns

# Data Preparation
xdata = [1, 2, 3, 4, 5, 55, 1, 6, 7, 24, 67, 33, 41, 75, 100_000, 1_000_000]
ydata = xdata[1:] + xdata[:1]  # slightly vary from x coords for nice plot
outlier_thresh = 200

data = pd.DataFrame({"x": xdata, "y": ydata})
data["outlier"] = (data["x"] > outlier_thresh) | (data["y"] > outlier_thresh)

# Initialize an OutsetGrid object
outset_grid = otst.OutsetGrid(
    data=data,
    x="x",
    y="y",
    col="outlier",  # split plots based on outlier status
    col_order=[False],  # only magnify non-outlier data
    marqueeplot_source_kws={  # style zoom indicator elements
        "leader_stretch": 0.5,
        "leader_stretch_unit": "inches",
    },
)

outset_grid.map_dataframe(sns.scatterplot, x="x", y="y")

otst.inset_outsets(outset_grid)  # rearrange move outset axes on top of source
outset_grid.marqueeplot()  # render marquee annotations

这个两轴网格很容易被重新排列到插图中。

只需在显示或保存之前添加以下行，

# rearrange to move outset axes on top of source
otst.inset_outsets(outset_grid)

Outset.inset_outsets提供了kwarg选项，如果需要，可以微调插图放置。

安装

以安装启动库，python3 -m pip安装启动。

除了上面显示的面向数据的变焦区域选择外，该库还

提供了明确的API，可以手动指定缩放区域以及许多样式和布局选项。

请参阅发明 QuickStart Guide 和 gallery 有关更多信息。

披露：AM图书馆作者