Python——matplotlib模块构造箱型图检测异常值

一.箱型图

通俗来讲，就是将所有的数据都分布在这张图上，矩形上下限用四分为值，又用四分位值算出一个上界和下界，大于上界或者小于下界的值就是异常值。这里四分位距（IQR)就是上四分位与下四分位的差值。我们通过四分位距的1.5倍为标准，上界：超过上四分位+1.5倍IQR距离，下界：下四分位-1.5倍IQR距离的点为异常值。

分位值的定义和计算在这里:(https://blog.csdn.net/crj0926/article/details/100853490)

二.matplotlib模块

Matplotlib 是一个 Python 的 2D绘图库，通过 Matplotlib，pathon仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

三.构造箱型图代码

1. boxplot函数参数：

x：指定要绘制箱线图的数据；

notch：是否是凹口的形式展现箱线图，默认非凹口；

sym：指定异常点的形状，默认为+号显示；

vert：是否需要将箱线图垂直摆放，默认垂直摆放；

whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差；

positions：指定箱线图的位置，默认为[0,1,2…]；

widths：指定箱线图的宽度，默认为0.5；

patch_artist：是否填充箱体的颜色；

meanline：是否用线的形式表示均值，默认用点来表示；

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，默认显示；

showbox：是否显示箱线图的箱体，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；

labels：为箱线图添加标签，类似于图例的作用；

filerprops：设置异常值的属性，如异常点的形状、大小、填充色等；

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：设置箱线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. 代码:

#导入模块
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
titanic = pd.read_csv(r'C:\Users\asus\Desktop\age.csv')
# 检查年龄是否有缺失
any(titanic.age.isnull())
# 删除含有缺失年龄的观察
titanic.dropna(subset=['age'], inplace=True)
# 使用自带的样式美化图片
plt.style.use('ggplot')
# 设置中文和负号正常显示
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# 绘图：年龄箱线图
plt.boxplot(x = titanic.age, # 指定绘图数据
            whis=1.5,#1.5倍的四分位值
            patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充
            showmeans=True, # 以点的形式显示均值
            boxprops = {'color':'black','facecolor':'#9999ff'}, # 设置箱体属性，填充色和边框色
            flierprops = {'marker':'o','markerfacecolor':'red','color':'black'}, # 设置异常值属性，点的形状、填充色和边框色
            meanprops = {'marker':'D','markerfacecolor':'indianred'}, # 设置均值点的属性，点的形状、填充色
            medianprops = {'linestyle':'--','color':'orange'}) # 设置中位数线的属性，线的类型和颜色
# 设置y轴的范围
plt.ylim(0,85)
# 去除箱线图的上边框与右边框的刻度标签
plt.tick_params(top='off', right='off')
# 显示图形
plt.show()

例图：whis=1.5

3.whis参数
上文提到，我们的上下界用到了1.5倍的四分位值去定义。
如果whis=3时，上下界之外还出现异常值，我们称其为极端异常值。