sns.boxplot()简单用法

sns.boxplot()

• 箱形图（Box-plot）：

• 又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数及上下四分位数

#参数如下：
seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)

x，y：dataframe中的列名（str）或者矢量数据

data：dataframe或者数组

hue（str）：dataframe的列名，按照列名中的值分类形成分类的条形图

palette：调色板，控制图像的色调

order, hue_order (lists of strings)：用于控制条形图的顺序

orient：“v”|“h” 用于控制图像使水平还是竖直显示（这通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用）

fliersize：float，用于指示离群值观察的标记大小

whis： 确定离群值的上下界（IQR超过低和高四分位数的比例），此范围之外的点将被识别为异常值。IQR指的是上下四分位的差值。

width： float，控制箱型图的宽度

使用iris数据集作为例子

x参数（箱型图横着放，默认也是横着放）

%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
import warnings
warnings.filterwarnings('ignore')
plt.rc("font",family="SimHei",size="15")  #解决中文乱码问题

data=pd.DataFrame(load_iris().data,columns=load_iris().feature_names)
data['sample']=load_iris().target

data.columns

Index(['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)',
       'petal width (cm)', 'sample'],
      dtype='object')

#x参数,下面结果都一致
# sns.boxplot(x=data['sepal length (cm)'])
sns.boxplot(x=data['sepal length (cm)'],data=data)
# sns.boxplot(x='sepal length (cm)',data=data)
# sns.boxplot(data['sepal length (cm)'])

<AxesSubplot:xlabel='sepal length (cm)'>

​

​

y参数（竖着放）

#y参数,下面结果都一致
# sns.boxplot(y=data['sepal length (cm)'])
sns.boxplot(y=data['sepal length (cm)'],data=data)
# sns.boxplot(y='sepal length (cm)',data=data)
# sns.boxplot(y='sample',data=data)

<AxesSubplot:ylabel='sepal length (cm)'>

​

​

直接是data

sns.boxplot(data=data)

<AxesSubplot:>

​

​