【Python】使用pandas/matplotlib画箱图

静静喜欢大白

已于 2024-04-26 17:43:16 修改

阅读量2.5k

点赞数 3

分类专栏： pyg 文章标签： python pandas matplotlib

于 2021-06-30 17:42:46 首次发布

本文链接：https://blog.csdn.net/lj2048/article/details/118365444

版权

pyg 专栏收录该内容

118 篇文章 34 订阅

订阅专栏

1、动机

因为最近论文有信息量很大的结果需要展示，如果用常用的折线图或者柱状图很难集中且全面的展示实验结果，于是准备先简单了解下。

2、简介

定义

箱线图，又称箱形图（boxplot）或盒式图或盒须图，是一种用作显示一组数据分散情况资料的统计图。不同于一般的折线图、柱状图或饼图等传统图表，只是数据大小、占比、趋势等等的呈现，其包含一些统计学的均值、分位数、极值等等统计量，因此，该图信息量较大，不仅能够分析不同类别数据平均水平差异（需在箱线图中加入均值点），还能揭示数据间离散程度、异常值、分布差异等等。

图解

箱形图有6个参数：
下边缘（Q1），表示最小值；
下四分位数（Q2），又称“第一四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。长方形下边界；
中位数（Q3），又称“第二四分位数”等于该样本中所有数值由小到大排列后第50%的数字，横线；
上四分位数（Q4），又称“第三四分位数”等于该样本中所有数值由小到大排列后第75%的数字，长方形上边界；
上边缘（Q5），表述最大值。
第三四分位数与第一四分位数的差距又称四分位间距。

异常值：即超出四分位数差3倍距离的异常值，用实心点表示；较为温和的异常值，即处于1.5倍-3倍四分位数差之间的异常值，空心白圆圈。

图解2

五数概括法使用下面五个数来汇总数据：

（1）最小值(Q1-1.5IQR)

（2）第一四分位数(Q1)

（3）中位数(Q2)

（4）第三四分位数(Q3)

（5）最大值(Q3+1.5IQR)

四分位数的计算

具体参考

计算公式+规则（n表示数据总数）

举例1（整除）说明，代入公式即可

举例2（非整除，离哪个店近则哪个点占比75%）

3、使用

【箱形图的应用】
（1）可以作为一种检测异常值的方法；

（2）用于多组数据的图形汇总，便于对各组数据进行直观比较分析。

【箱形图的绘制方法】本文主要讲前两个方法
方法1：利用pandas包中的Series.plot()、DataFrame.plot()或DataFrame.boxplot()方法；

方法2：利用matplotlib包中axes对象的boxplot()方法；

方法3：利用seaborn包中的cataplot()或者boxplot()，其中seaborn.boxplot()是seaborn.cataplot()的参数kind='box'时的一种情况

官方手册

官方使用以及参数解释

plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None)

x：指定要绘制箱线图的数据
notch：是否以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：bool类型参数，是否填充箱体的颜色；默认为False
meanline：bool类型参数，是否用线的形式表示均值，默认为False
showmeans：bool类型参数，是否显示均值，默认为False
showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True
showbox：bool类型参数，是否显示箱线图的箱体，默认为True
showfliers：是否显示异常值，默认为True
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

举例1

%matplotlib inline
#首先导入基本的绘图包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#添加成绩表
plt.style.use("ggplot")
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif']=['SimHei'] 
#新建一个空的DataFrame
df=pd.DataFrame()
#添加成绩单，最后显示成绩单表格
df["英语"]=[76,90,97,71,70,93,86,83,78,85,81]
df["经济数学"]=[65,95,51,74,78,63,91,82,75,71,55]
df["西方经济学"]=[93,81,76,88,66,79,83,92,78,86,78]
df["计算机应用基础"]=[85,78,81,95,70,67,82,72,80,81,77]


#方法1 用matplotlib来画出箱型图
plt.boxplot(x=df.values,labels=df.columns,whis=1.5)
plt.show()

#方法2，用pandas自带的画图工具更快
df.boxplot()
plt.show()

举例2

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
np.random.seed(2)  #设置随机种子
df = pd.DataFrame(np.random.rand(5,4),
columns=['A', 'B', 'C', 'D'])#先生成0-1之间的5*4维度数据，再装入4列DataFrame中
df.boxplot() 
# plt.boxplot(df) #等同上面的方法
plt.show()

"""
sym异常值形状。默认是空心圆圈，'r*'是红色五角星
vert展示形式。默认为true，即正常垂直摆放的形状，修改成false的话就是水平展示。
patch_artist箱图填充颜色与否，默认为False。改成true默认填充水蓝色
meanline：是否用虚线的形式表示均值.默认为False,默认虚线，为了和中位数线区分，所以是虚线的形式
showmeans：是否用三角形图案显示均值，默认为False，形状也是为了和异常值区分
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
"""
df.boxplot(sym='r*',vert=False,patch_artist=True,meanline=False,showmeans=True)
plt.show()


"""
美化9可用for循环来构造)
    比如各条线的颜色，粗细程度等等。
"""
f=df.boxplot(sym='r*',patch_artist=True,return_type='dict')
"""
boxes, 是25分位值和75分位值构成的box
whiskers, 是指从box 到error bar之间的竖线.
caps, 是指 下边缘error bar 横线.
medians, 是中位值的横线, 每个median是一个Line2D对象
fliers, 是指error bar线之外的离散点.

means, 是均值的横线
"""
for box in f['boxes']:
    # 箱体边框颜色
    box.set( color='#7570b3', linewidth=2)
    # 箱体内部填充颜色
    box.set( facecolor = '#1b9e77' )
for whisker in f['whiskers']:
    whisker.set(color='r', linewidth=2)
for cap in f['caps']:
    cap.set(color='g', linewidth=3)
for median in f['medians']:
    median.set(color='DarkBlue', linewidth=3)
for flier in f['fliers']:
    flier.set(marker='o', color='y', alpha=0.5)
plt.show()