箱线图是分析数据,将数据可视化的一个重要工具,在论文中可以用到。
直接上箱型图代码
#导入数据
all_data = [np.random.normal(0, std, size=100) for std in range(1, 4)]
labels = ['x1', 'x2', 'x3']
#创建一个画布,两个子图分别为ax1和ax2
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(9, 4))
# 对箱型图的设置
bplot1 = ax1.boxplot(all_data, #纵轴
vert=True, # vertical box alignment 垂直的箱型图
patch_artist=True, # fill with color
labels=labels) # will be used to label x-ticks 横轴
ax1.set_title('Rectangular box plot')
# 对第二个子图箱型图的设置
bplot2 = ax2.boxplot(all_data,
notch=True, # notch shape 在红线处有凹痕
vert=True, # vertical box alignment
patch_artist=True, # fill with color
labels=labels) # will be used to label x-ticks
ax2.set_title('Notched box plot')
# fill with colors
colors = ['pink', 'lightblue', 'lightgreen']
for bplot in (bplot1, bplot2):
for patch, color in zip(bplot['boxes'], colors):
patch.set_facecolor(color)
# adding horizontal grid lines
for ax in [ax1, ax2]:
ax.yaxis.grid(True) #在图片中添加横向的网格
ax.set_xlabel('Three separate samples')
ax.set_ylabel('Observed values')
plt.show()
输出结果如下
箱型图解释:
中间的横向代表着数据的平均数,箱子区域即粉、蓝、绿区域代表的是自信区间(一般指的是[平均数-方差,平均数+方差]);上下界代表的是最值范围;超过上下界的数据一般为异常值。