Наложение фактических данных на коробчатую диаграмму из фрейма данных pandas

Общее решение для блочной диаграммы для всего фрейма данных, которое должно работать как для seaborn, так и для pandas, поскольку все они matplotlib находятся под капотом, я буду использовать график pandas в качестве примера, предполагая, что import matplotlib.pyplot as plt уже на месте. Поскольку у вас уже есть ax, было бы разумнее просто использовать ax.text(...) вместо plt.text(...).

In [35]:    
print df
         V1        V2        V3        V4        V5
0  0.895739  0.850580  0.307908  0.917853  0.047017
1  0.931968  0.284934  0.335696  0.153758  0.898149
2  0.405657  0.472525  0.958116  0.859716  0.067340
3  0.843003  0.224331  0.301219  0.000170  0.229840
4  0.634489  0.905062  0.857495  0.246697  0.983037
5  0.573692  0.951600  0.023633  0.292816  0.243963

[6 rows x 5 columns]

In [34]:    
df.boxplot()
for x, y, s in zip(np.repeat(np.arange(df.shape[1])+1, df.shape[0]), 
                   df.values.ravel(), df.values.astype('|S5').ravel()):
    plt.text(x,y,s,ha='center',va='center')

Для одной серии в фрейме данных необходимо внести несколько небольших изменений:

In [35]:    
sub_df=df.V1
pd.DataFrame(sub_df).boxplot()
for x, y, s in zip(np.repeat(1, df.shape[0]), 
                   sub_df.ravel(), sub_df.values.astype('|S5').ravel()):
    plt.text(x,y,s,ha='center',va='center')

Создание точечных диаграмм также аналогично:

#for the whole thing
df.boxplot()
plt.scatter(np.repeat(np.arange(df.shape[1])+1, df.shape[0]), df.values.ravel(), marker='+', alpha=0.5)
#for just one column
sub_df=df.V1
pd.DataFrame(sub_df).boxplot()
plt.scatter(np.repeat(1, df.shape[0]), sub_df.ravel(), marker='+', alpha=0.5)

Чтобы наложить материал на boxplot, нам нужно сначала угадать, где каждый прямоугольник расположен среди xaxis. Похоже, они находятся на 1,2,3,4,..... Поэтому для значений в первом столбце мы хотим, чтобы они отображались на графике при x = 1; 2-й столбец при x = 2 и так далее.

Любой эффективный способ сделать это - использовать np.repeat, повторять 1,2,3,4..., каждое n раз, где n - количество наблюдений. Затем мы можем построить график, используя эти числа как x координаты. Поскольку он одномерный, для координат y нам понадобится плоское представление данных, предоставленное df.ravel()

Для наложения текстовых строк нам понадобится еще один шаг (цикл). Поскольку мы можем отображать только одно значение x, одно значение y и одну текстовую строку за раз.

Это еще не было добавлено в функцию seaborn.boxplot, но есть что-то похожее в seaborn.violinplot, в которой есть другие преимущества:

x = np.random.randn(30, 6)
sns.violinplot(x, inner="points")
sns.despine(trim=True)

У меня есть такая хитрость:

data = np.random.randn(6,5)

df = pd.DataFrame(data,columns = list('ABCDE'))

Now assign a dummy column to df:
df['Group'] = 'A'

print df

          A         B         C         D         E Group
0  0.590600  0.226287  1.552091 -1.722084  0.459262     A
1  0.369391 -0.037151  0.136172 -0.772484  1.143328     A
2  1.147314 -0.883715 -0.444182 -1.294227  1.503786     A
3 -0.721351  0.358747  0.323395  0.165267 -1.412939     A
4 -1.757362 -0.271141  0.881554  1.229962  2.526487     A
5 -0.006882  1.503691  0.587047  0.142334  0.516781     A

Используйте df.groupby.boxplot(), вы сделаете это.

df.groupby('Group').boxplot()