箱图-boxplot

箱图

箱图是一种统计图形，用于展示一组数据的分布特征和离散程度。它通过展示数据的五个关键统计量（最小值、下四分位数、中位数、上四分位数和最大值）来呈现数据的整体概况。箱图通常由一个矩形箱体和两条“触须”（whiskers）组成。

下面是箱图的几个关键元素：

1. 矩形箱体：箱体的上边界表示上四分位数（Upper Quartile），下边界表示下四分位数（Lower Quartile），而中间的线代表中位数（Median）。
2. 上下触须：触须是延伸自箱体的线段，通常取距离上下四分位数一个固定倍数的标准差（常见的倍数为1.5或2）。触须之外的数据点被视为异常值。
3. 异常值：超出触须范围的数据点通常被认为是异常值，用单独的点表示。

箱图的作用和优势包括：

1. 概览数据分布：箱图可以提供对数据集整体分布的直观了解。通过观察箱体的位置、长度和对称性，可以判断数据的集中趋势、分散程度以及是否存在异常值。
2. 检测异常值：箱图可以有效地帮助识别数据集中的异常值。异常值通常是远离箱体的数据点，通过观察箱体之外的触须和离群点，可以快速检测到异常情况。
3. 比较分组数据：箱图可以将多个分组或类别的数据进行比较。通过将多个箱图放置在一起，可以直观地比较各组数据的中位数、四分位数等统计特征。

箱图在许多应用场景中都得到了广泛的应用，包括：

1. 异常检测：箱图可以用于识别异常值，帮助分析人员发现数据中的异常情况。通过观察箱体之外的触须和离群点，可以辨别出与其他数据点显著不同的异常值。

2. 比较群体或组间差异：箱图适用于比较不同群体或组之间的数据差异。通过在同一个图表中展示多个箱图，可以快速比较它们的中位数、四分位数、分布形状等，从而发现不同群体之间的差异。

3. 数据分布分析：箱图可以帮助分析人员了解数据的分布情况。通过观察箱体的位置、长度和对称性，可以判断数据的集中趋势、分散程度以及是否存在偏斜或离散情况。

4. 时间序列分析：箱图可以用于可视化时间序列数据的分布特征。通过绘制多个时间点或时间段的箱图，可以观察到随时间的变化和趋势，并对数据的稳定性和变异性进行分析。

5. 数据预处理：在数据预处理阶段，箱图可以帮助分析人员检查数据中的异常值和离群点，并采取适当的处理措施，如删除、替换或调整。

总而言之，箱图是一种常用的数据可视化工具，在数据分析中起着重要的作用。它可以提供对数据集整体分布和特征的直观理解，帮助发现异常值、比较群体差异和分析数据的分布情况。

箱图绘图示例

绘制sklearn库中鸢尾花数据集（iris）的箱图。

查看鸢尾花数据集

from sklearn import datasets 
import pandas as pd
import numpy as np

iris = datasets.load_iris()    # 加载鸢尾花数据集
# pd_iris = pd.DataFrame(iris.data, columns=iris.feature_names)
# pd_iris.head()
list1 = iris.feature_names
list1.append('class')
pd_iris = pd.DataFrame(np.hstack((iris.data, iris.target.reshape(150, 1))), columns=list1)    # 转换为DataFrame
pd_iris.head()     # 查看一下数据集前n条数据

查看数据的统计信息

pd_iris['sepal width (cm)'].describe()    # 查看sepal length (cm)列数据的统计信息

使用seaborn库绘制箱型图

import seaborn as sns
import matplotlib.pyplot as plt
sns.boxplot(pd_iris['sepal width (cm)'])

友情链接：使用seaborn库绘制boxplot，设置绘图格式