绘制箱线图 与 异常值的输出 - 基于Python matplotlib库(1)

| showmeans | 是否显示均值，默认不显示 |

| showcaps | 是否显示箱线图顶端和末端的两条线。默认是不显示的。 |

| showbox | 是否显示箱体，默认显示。 |

| showfliers | 是否显示异常值，默认显示。 |

| boxprops | 设置箱体的属性，如边框色、填充色等。patch_artist为True时填充箱体颜色(facecolor键)才有效。 |

| medianprops | 设置中位数的属性，如线的类型、粗细等。 |

| meanprops | 设置均值的属性，如点的大小颜色等。 |

| capprops | 设置箱型图顶端和末端线条的属性，如颜色、粗细等。 |

| whiskerprops | 设置须的属性。如颜色、粗细、线的类型等。 |

---

2. 绘制一幅简单的箱线图

====================================================================================

使用随机数种子随机生成三组随机但固定的数据。以用来绘制三个箱线个体（一张图）。

全局字体使用楷体。

import matplotlib.pyplot as plt

import numpy as np

fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

np.random.seed(30)

data1 = np.random.randint(20, 100, 200)

data2 = np.random.randint(30, 120, 200)

data3 = np.random.randint(40, 110, 200)

plt.boxplot([data1, data2, data3])

plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)

plt.yticks(fontsize=20)

plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)

plt.show()

图像效果如下：

---

3. 绘制一幅更精致的图像

====================================================================================

下边的数据中，修改了一下数据。上边随机产生的数据因为较为均匀，所以很难产生异常值，达不到箱线图的预期展示效果。

使用 * 符号来标记异常值。并使用线来标出每组数据的均值。

import matplotlib.pyplot as plt

import numpy as np

fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

np.random.seed(110)

data1 = np.random.randint(20, 100, 200)

data2 = np.random.randint(30, 120, 200)

data3 = np.random.randint(40, 110, 200)

修改几个值，作为异常值，方便展示

data1[100:102] = [142, 150]

data3[100:103] = [1, 5, 154]

plt.boxplot([data1, data2, data3],

notch=True,

sym=‘*’,

patch_artist=True,

boxprops={‘color’: ‘#ffff00’, ‘facecolor’: ‘#0066ff’},

capprops={‘color’: ‘#ff3333’, ‘linewidth’: 2},

showmeans=True,

meanline=True

)

plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)

plt.yticks(fontsize=20)

plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)

plt.show()

代码执行效果如下：

---

4. 异常值的标准

================================================================================

通过whis参数可以修改判断异常值的标准。默认将不在【均值±1.5倍四分位差】范围内的判断为异常值。

在上述代码的基础上稍作修改：

设置whis=2

import matplotlib.pyplot as plt

import numpy as np

fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

np.random.seed(110)

data1 = np.random.randint(20, 100, 200)

data2 = np.random.randint(30, 120, 200)

data3 = np.random.randint(40, 110, 200)

修改几个值，作为异常值，方便展示

data1[100:102] = [142, 150]

data3[100:103] = [1, 5, 154]

plt.boxplot([data1, data2, data3],

whis=2,

notch=True,

sym=‘*’,

patch_artist=True,

boxprops={‘color’: ‘#ffff00’, ‘facecolor’: ‘#0066ff’},

capprops={‘color’: ‘#ff3333’, ‘linewidth’: 2},

showmeans=True,

meanline=True

)

plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)

plt.yticks(fontsize=20)

plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)

plt.show()

则结果中已经不再有异常值：

---

5. 异常值的输出

================================================================================

上文只是将异常值以可视化的方式呈现在了读者眼前。当然，做数据分析时仅仅这样是不够的，通常还需要对数据进行处理，如去除。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

62fe4e9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）