Нарисуйте блокпост с использованием кадра в качестве источника данных
Я практикую свои навыки классификации ML в наборе данных Базы данных характеристик миллиардеров.
я использую sframe для загрузки и манипулирования данными и seaborn для визуализации.
В процессе анализа данных я хотел нарисовать рамку, сгруппированную по категориальной переменной, например, из seaborn руководство: 
В наборе данных есть networthusbillion числовая переменная и selfmade категориальная переменная, которая указывает, является ли миллиардер self-made или у него есть inherited баксы.
Когда я пытаюсь нарисовать похожий участок, используя sns.boxplot(x='selfmade', y='networthusbillion', data=data), он выдает следующую ошибку:
---------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-17-f4bd651c2ae7> in <module>()
----> 1 sns.boxplot(x='selfmade', y='networthusbillion', data=billionaires)
/home/iulian/.virtualenvs/data-science-python2/lib/python2.7/site-packages/seaborn/categorical.pyc in boxplot(x, y, hue, data, order, hue_order, orient, color, palette, saturation, width, fliersize, linewidth, whis, notch, ax, **kwargs)
2127 plotter = _BoxPlotter(x, y, hue, data, order, hue_order,
2128 orient, color, palette, saturation,
-> 2129 width, fliersize, linewidth)
2130
2131 if ax is None:
/home/iulian/.virtualenvs/data-science-python2/lib/python2.7/site-packages/seaborn/categorical.pyc in __init__(self, x, y, hue, data, order, hue_order, orient, color, palette, saturation, width, fliersize, linewidth)
420 width, fliersize, linewidth):
421
--> 422 self.establish_variables(x, y, hue, data, orient, order, hue_order)
423 self.establish_colors(color, palette, saturation)
424
/home/iulian/.virtualenvs/data-science-python2/lib/python2.7/site-packages/seaborn/categorical.pyc in establish_variables(self, x, y, hue, data, orient, order, hue_order, units)
136 # See if we need to get variables from `data`
137 if data is not None:
--> 138 x = data.get(x, x)
139 y = data.get(y, y)
140 hue = data.get(hue, hue)
AttributeError: 'SFrame' object has no attribute 'get'
Я попробовал следующие формы, чтобы нарисовать прямоугольник - ни один из них не достиг результата:
sns.boxplot(x=billionaires['selfmade'], y=billionaires['networthusbillion'])
sns.boxplot(x='selfmade', y='networthusbillion', data=billionaires['selfmade', 'networthusbillion'])
Тем не менее, я мог бы нарисовать прямоугольник, используя sframe, но без группировки по selfmade:
sns.boxplot(x=billionaires['networthusbillion'])
Итак, мой вопрос: есть ли способ нарисовать прямоугольник, сгруппированный по категориальной переменной, используя sframe? Может я что то не так делаю?
Кстати, мне удалось нарисовать его с помощью pandas.DataFrame используя тот же синтаксис (sns.boxplot(x='selfmade', y='networthusbillion', data=data)), так что, возможно, группировка с использованием sframe с seaborn просто еще не реализовано.
2 ответа
TL;DR
Группировка с использованием sframe с seaborn просто еще не реализовано.
Покопавшись в исходном коде seaborn, я обнаружил, что он разработан специально для работы с pandas.DataFrame, Приняв в ответ на это предложение абсолютно без гарантии, я получил следующую ошибку:
TypeError: __getitem__() takes exactly 2 arguments (3 given)
Взглянув на args в get функция по вызову, есть эти данные:
('gender', 'gender')
Это происходит из-за этого кода в исходном коде для BoxPlot:
# See if we need to get variables from `data`
if data is not None:
x = data.get(x, x)
y = data.get(y, y)
hue = data.get(hue, hue)
units = data.get(units, units)
Он пытается получить значение и использует то же значение, что и запасной вариант, если его не существует. Это вызывает ошибку в __getitem__()потому что он вызывается с (self, 'gender', 'gender') аргументы.
Я пытался переписать get() функционировать следующим образом:
def get(self, *args):
return self.__getitem__(args[0]) if args[0] else None # The `None` is here because the `units` in the source code is `None` for boxplots.
И вот я получил ошибку, которая закончила мои попытки:
TypeError: 'SArray' object is not callable
Взглянув на исходный код, он проверяет, y данные pd.Series а если нет, то конвертирует y значение в один:
if not isinstance(vals, pd.Series):
vals = pd.Series(vals)
# Group the val data
grouped_vals = vals.groupby(grouper)
При выполнении vals.groupby(grouper) (окунь по-прежнему SArray экземпляр), это входит в основные работы панд, где SArray вызывается и выдается ошибка. Конец истории.
Проблема в том, что sns.boxplot ожидает, что данные имеют get метод, как Dataframe Панд. В Пандах get Метод возвращает один столбец, так что он такой же, как индексирование скобок, т.е. your_df['your_column_name'],
Самый простой способ обойти это - позвонить to_dataframe метод на вашем sframe, чтобы преобразовать его в dataframe.
sns.boxplot(x='selfmade', y='networthusbillion', data=data.to_dataframe())
В качестве альтернативы, вы можете обойти проблему, написав обертки классов или используя monkey-patching get на класс SFrame.
import numpy as np
import sframe
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# For demostration purposes
def to_sframe(df):
import sframe
d = {}
for key in df.keys():
d[key] = list(df[key])
return sframe.SFrame(d)
pd.DataFrame.to_sframe = to_sframe
tips = sns.load_dataset('tips')
# Monkey patch sframe's get and _CategoricalPlotter's _group_longform
def get(self, *args):
key = args[0]
return self.__getitem__(key) if key else None
sframe.SFrame.get = get
def _group_longform(self, vals, grouper, order):
"""Group a long-form variable by another with correct order."""
#import pdb;pdb.set_trace()
if type(vals) == sframe.SArray:
_sf = sframe.SFrame({'vals':vals, 'grouper':grouper})
grouped_vals = _sf.groupby('grouper', sframe.aggregate.CONCAT('vals'))
out_data = []
for g in order:
try:
g_vals = np.asarray(grouped_vals.filter_by(g, 'grouper')["List of vals"][0])
except KeyError:
g_vals = np.array([])
out_data.append(g_vals)
label = ""
return out_data, label
## Code copied from original _group_longform
# Ensure that the groupby will work
if not isinstance(vals, pd.Series):
vals = pd.Series(vals)
# Group the val data
grouped_vals = vals.groupby(grouper)
out_data = []
for g in order:
try:
g_vals = np.asarray(grouped_vals.get_group(g))
except KeyError:
g_vals = np.array([])
out_data.append(g_vals)
# Get the vals axis label
label = vals.name
return out_data, label
sns.categorical._CategoricalPlotter._group_longform = _group_longform
# Plots should be equivalent
#1.
plt.figure()
sns.boxplot(x="day", y="total_bill", data=tips)
#2.
plt.figure()
sns.boxplot(x="day", y="total_bill", data=tips.to_sframe(),
order=["Thur", "Fri", "Sat", "Sun"])
plt.xlabel("day")
plt.ylabel("total_bill")
plt.show()