pandas箱型图原理及其参数

箱型图原理：

箱型图可以通过程序设置一个识别异常值的标准，即大于或小于箱型图设定的上下界的数值则识别为异常值，箱型图如下图所示：

上四分位U： 表示的是所有样本中只有1/4的数值大于U ，即从大到小排序时U处于25%处

下四分位L：表示的是所有样本中只有1/4的数值小于L，即从大到小排序时L处于75%处

上四分位与下四分位的差值    IQR = U - L

上界 U + 1.5IQR

下界 L - 1.5IQR

箱型图选取异常值比较客观，在识别异常值方面有一定的优越性。

pandas.DataFrame.boxplot

Parameters:

column : str or list of str, optional

Column name or list of names, or vector. Can be any valid input to pandas.DataFrame.groupby().

by : str or array-like, optional

Column in the DataFrame to pandas.DataFrame.groupby(). One box-plot will be done per value of columns in by.

ax : object of class matplotlib.axes.Axes, optional

The matplotlib axes to be used by boxplot.

fontsize : float or str

Tick label font size in points or as a string (e.g., large).

rot : int or float, default 0

The rotation angle of labels (in degrees) with respect to the screen coordinate sytem.

grid : boolean, default True

Setting this to True will show the grid.

figsize : A tuple (width, height) in inches

The size of the figure to create in matplotlib.

layout : tuple (rows, columns), optional

For example, (3, 5) will display the subplots using 3 columns and 5 rows, starting from the top-left.

return_type : {‘axes’, ‘dict’, ‘both’} or None, default ‘axes’

The kind of object to return. The default is axes.

• ‘axes’ returns the matplotlib axes the boxplot is drawn on.

• ‘dict’ returns a dictionary whose values are the matplotlib Lines of the boxplot.

• ‘both’ returns a namedtuple with the axes and dict.

• when grouping with by, a Series mapping columns to return_type is returned.

  If return_type is None, a NumPy array of axes with the same shape as layout is returned.

**kwds

All other plotting keyword arguments to be passed to matplotlib.pyplot.boxplot().

 参考代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# boxplot()可以为dataframe中的每一列创建boxplot，或者指示要使用的列:
np.random.seed(222)
df = pd.DataFrame(np.random.randn(10, 4), columns=['Col1', 'Col2', 'Col3', 'Col4'])
boxplot = df.boxplot(column=['Col1', 'Col2', 'Col3'])
plt.show()
plt.close()

# 可以使用选项by 创建按某一列的值分组的变量分布的箱线图。例如:
df = pd.DataFrame(np.random.randn(10,2), columns=['Col1', 'Col2'])
df['X'] = pd.Series(['A', 'A', 'A', 'A', 'A',
                      'B', 'B', 'B', 'B', 'B'])

boxplot = df.boxplot(by='X')
plt.show()
plt.close()

# 可以将字符串列表(即['X'，'Y'])传递给boxplot，通过X轴上变量的组合对数据进行分组
df = pd.DataFrame(np.random.randn(10,3), columns= ['Col1', 'Col2', 'Col3'])
df['X'] = pd.Series(['A', 'A', 'A', 'A', 'A','B', 'B', 'B', 'B', 'B'])
df['Y'] = pd.Series(['A', 'B', 'A', 'B', 'A','B', 'A', 'B', 'A', 'B'])
boxplot = df.boxplot(column=['Col1', 'Col2'], by=['X', 'Y'])

 

# 调整箱线图的布局可以根据layout参数来改变
# 可以对boxplot进行额外的格式化
# 比如抑制网格(grid=False),在x轴上旋转标签(rot=45),更改fontsize (fontsize=15)
boxplot = df.boxplot(column=['Col1', 'Col2'], by=['X', 'Y'],layout=(2, 1), grid=False, rot=45,fontsize=15)
plt.show()
plt.close()