箱线图入门，一文看懂箱线图，matplotlib画箱线图

什么是箱线图？

我们画箱线图的目的其实是去查看数据分布的离散程度。

上图将箱线图的重要部分都标出来了。对于箱线图来说，图中会有的要素有：

• 最大值
• Q3（大于75%数据的位点）
• 中位数
• Q1（大于25%数据的位点）
• 最小值

Q3与Q1之间的部分叫做IQR（Interquartile Range， 四分位数）。通过查看与比较不同数据的箱线图，我们就可以了解数据分布于离散程度。

使用Matplotlib作图

import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

in_file = "Data7602DescendingYearOrder.csv"
data = pd.read_csv(in_file, engine='python')

ec_2000 = data[data['year']==2000]['ec_count']
ec_2001 = data[data['year']==2001]['ec_count']

_ = plt.boxplot([ec_2000[ec_2000<100], ec_2001[ec_2001<100]])
plt.show()

运行结果： 

代码取出了数据中的两列，并画出箱线图，可以看到两列数据的中位数差不多，但是右边那一列数据的离散程度更大。其中的黑色方块是离群点。

Reference

[1] http://estat.ncku.edu.tw/nsc/flash/topic/graph_stat/base/BoxPlot.html