用python对多组变量绘制箱线图

用python对多组变量绘制箱线图，上图是对链接页面信息做可视化分析的结果，一个点是一个链接

其中，左边是绘制了IsVarient为0和1的优惠券coupon的箱线图，右边绘制了IsVarient为0和1的促销折扣deal的箱线图.

可以得到三点信息：

• 总的来看极少部分的链接会做促销和优惠券，这与我们平时看网页情况不同，因为又优惠券和促销的总是会优先推给消费者。

• IsVarient为0时，链接做大额促销的很少，运营打法总是会把几个链接放在一起，然后做促销，充分利用流量。

• 高额coupon会比高额促销更普遍

代码及解释

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import seaborn as sns
import os
fig = plt.figure()
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)
#是否变体和促销
sns.boxplot(x = 'IsVarient',y = 'coupon',data = df, ax = ax1)
sns.boxplot(x = 'IsVarient',y = 'deal',data = df, ax = ax2)

这段代码是使用Python中的matplotlib和seaborn库来创建两个箱形图（boxplot），用于展示数据集中两个变量之间的关系。以下是对代码中各个部分的解释：

1. 导入必要的库：

   • pandas：用于数据处理和分析。
   • numpy：用于数值计算。
   • matplotlib.pyplot：用于绘图。
   • matplotlib：提供更多绘图功能。
   • seaborn：基于matplotlib的高级绘图库，提供更美观的图表。
   • os：用于与操作系统交互，例如文件路径操作。

2. 创建一个图形对象：

   • 使用 plt.figure() 创建一个新的图形对象 fig。

3. 添加两个子图：

   • 使用 fig.add_subplot(1,2,1) 在图形对象中添加第一个子图 ax1。
   • 使用 fig.add_subplot(1,2,2) 在图形对象中添加第二个子图 ax2。
   • 参数 1,2 表示整个图形被分为1行2列，1 和 2 分别表示第一个和第二个子图的位置。

4. 绘制箱形图：

   • 使用 seaborn 的 boxplot 函数在第一个子图 ax1 上绘制箱形图，其中 x 参数为分类变量 'IsVarient'，y 参数为数值变量 'coupon'，data 参数为数据框 df。
   • 同样，在第二个子图 ax2 上绘制箱形图，变量与第一个子图相同，只是 y 参数变为 'deal'。

5. 箱形图解释：

   • 箱形图是一种用于展示数据分布的图表，特别是用于显示数据的中位数、四分位数和异常值。
   • 每个箱形图的中心线表示中位数，箱子的边界表示第一四分位数（Q1）和第三四分位数（Q3），箱子外的线（通常称为“胡须”）表示数据的范围，不包括异常值。
   • 异常值通常用点表示，位于胡须之外。

6. 变量解释：

   • 'IsVarient'：这个变量可能表示产品是否为变体（例如，同一产品的不同颜色或尺寸）。
   • 'coupon' 和 'deal'：这两个变量可能表示与促销活动相关的折扣金额或折扣率。

这段代码的目的是比较不同变体（'IsVarient'）的产品在优惠券（'coupon'）和交易（'deal'）方面的差异。通过比较两个箱形图，可以观察到变体产品和非变体产品在促销活动上的分布情况，例如，是否有显著的价格差异或异常值。