matplotlib箱线图的奥秘

绘制箱线图

什么是箱线图

箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。在各种领域也经常被使用，常见于品质管理。不过作法相对较繁琐。

主要包含六个数据节点，将一组数据从大到小排列，分别计算出他的上边缘（数据最大值），上四分位数Q3，中位数Q2，下四分位数Q1，下边缘（数据最小值），还有一个异常值。

什么是分位数，分位数是将总体的全部数据按大小顺序排列后，处于各等分位置的变量值。如果将全部数据分成相等的两部分，它就是中位数；如果分成四等分，就是四分位数；八等分就是八分位数等。

• 第一四分位数 (Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后**第25%**的数字。Q1的位置= (n+1) × 0.25
• 第二四分位数 (Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后**第50%**的数字。Q2的位置= (n+1) × 0.5
• 第三四分位数 (Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后**第75%**的数字。Q3的位置= (n+1) × 0.75

举两个例子：

• 求数据的6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36（未排序）的Q1、Q2、Q3

  1. 首先排顺序，由小到大排列的结果: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49

  2. 位置计算：

     Q1 的位置=（11+1）× 0.25=3,

     Q2 的位置=（11+1）× 0.5 =6,

     Q3 的位置=（11+1）× 0.75=9,

  3. 因此：Q1 = 15，Q2 = 40，Q3 = 43

• 求数据: 7, 15, 36, 39, 40, 41（已排序）的Q1、Q2、Q3

  1. 一共6项，数列项为偶数项时，四分位数Q2为该组数列的中数；

  2. （n+1）/4= 7/4 =1.75，Q1在第一与第二个数字之间；

  3. （n+1）/4= 21/4 =5.25, Q3在第五与第六个数字之间；

     位置x含有小数时计算方法，下图int(x)表示取整：$数a\times (1-x的小数部分)+数b\times x的小数部分$

     

  4. $Q1=0.75\times 15+0.25\times 7=13$，

     $Q2=(36+39)/2=37.5$，

     $Q3=0.25\times 41+0.75\times 40=40.25$

最后要提醒一点，一个箱线图就包含了一组数据，而不是一个数据，不然接下来绘图时还觉得自己弄了一组很长的数，结果只给你画了一个"箱子"(暂且这样称呼它了😄)

matplotlib绘制箱线图

绘制最简单的箱线图：
plt.boxplot()

x = np.array([1,2,3,4,7,8,9])
plt.boxplot(x)

plt.show()

使用 np.info(plt.boxplot) 查看函数参数：

boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None,
         widths=None, patch_artist=None, bootstrap=None, usermedians=None,
         conf_intervals=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, manage_ticks=True, autorange=False, zorder=None)

看到这堆参数感觉要怀疑人生了吗🙃，其实比较常用的就几个。

---

这几个参数是：x，vert，widths，labels，patch_artist，boxprops=dict()

• x：表示传入的数据，可以是一维数组（绘制一个"箱子"，如上面的图），或者二维数组（每一列数据绘制一个"箱子"），下面看下二维数组的例子：

  x = np.random.rand(5,3)  #表示产生一个5行3列的二维数组,3列就绘制3个箱子
  plt.boxplot(x)
  
  plt.show()
  

  

• vert：表示绘出的图是否垂直，默认为True，看个 False的例子：

  x = np.random.rand(5,3)  
  plt.boxplot(x,vert=False)
  
  plt.show()
  

• widths：箱子宽度，传入一个值表示所有箱子宽度都是这个值，传入一个列表表示不同箱子有其各自的宽度，看下面两个例子：

  1. 传入一个值

     x = np.random.rand(5,3)  
     plt.boxplot(x,widths=0.6) #所有箱子宽度同时改变
     
     plt.show()
     

     

  2. 传入一个列表：

     x = np.random.rand(5,3)  
     plt.boxplot(x,widths=[0.2,0.4,0.6]) #所有箱子宽度同时改变
     
     plt.show()
     

     

• labels：每个箱子的标签，长度要与x的列数一致

  x = np.random.rand(5,3)  
  plt.boxplot(x,labels=['1234','5678','91011']) #所有箱子宽度同时改变
  
  plt.xticks(rotation=-45,fontsize=15) #刻度标记可以按角度旋转
  plt.show()
  

  

• boxprops：可设置箱体边框色 color 和 箱体颜色 facecolor，不过在此前还要设置参数 patch_artist=True ，否则不能设置 facecolor，

  x = np.random.randint(20,100,(100,3)) #产生范围20~100的共100行3列的数据
  
  plt.boxplot(x,patch_artist = True,boxprops=dict(color='b',facecolor='pink')) 
  
  plt.show()