Python使用Matplotlib和Seaborn绘制箱线图

一、箱线图定义

  箱形图（Box plot），又称盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分布情况的统计图。箱形图于1977年由美国著名统计学家约翰·图基（John Tukey）发明[1]。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数，甚至还可以显示出数据的均值。箱线图结构如图1所示：
              图1 箱线图图解

二、Matplotlib与Seaborn简介

  Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。Seaborn 是一个用 Python 制作统计图形的库。它建立在Matplotlib之上，并与pandas数据结构紧密集成 [2]。二者在Python中的安装方式如下：

pip install matplotlib
pip install seaborn

三、绘制箱线图的样例数据

  在绘制箱线图时，我们需要准备好绘图数据。个人认为：“数据是核心，python只不过是工具”。在许多场景中，将原始数据处理为python绘图接口能够识别的数据才是难点，其过程如图2：

                        图2 绘图流程

  本文着重于使用Python绘图工具绘制箱线图，不过多赘述数据处理。绘制箱线图的样例数据如表1所示：
                        表1 样例数据

Method	AUROC	AUPRC
model1	0.959656	0.947956
model1	0.973125	0.966463
model1	0.973869	0.973025
model1	0.960883	0.949658
model1	0.970358	0.966043
model2	0.959226	0.95617
model2	0.97225	0.97231
model2	0.970147	0.966797
model2	0.96788	0.970985
model2	0.974425	0.976376

四、Python绘制箱线图

4.1 Matplotlib绘制箱线图

（1）代码：

"""导入所需的python工具包"""
import matplotlib.pyplot as plt

if __name__ == "__main__":
    """数据准备"""
    model1_AUROC = [0.959656, 0.973125, 0.973869, 0.960883, 0.970358]
    model1_AUPRC = [0.947956, 0.966463, 0.973025, 0.949658, 0.966043]
    model2_AUROC = [0.959226, 0.97225, 0.970147, 0.96788, 0.974425]
    model2_AUPRC = [0.95617, 0.97231, 0.966797, 0.970985, 0.976376]

    AUROC_Data = [model1_AUROC, model2_AUROC]
    AUPRC_Data = [model1_AUPRC, model2_AUPRC]
    """创建包含两个子图的画布"""
    fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 4))
    # AUROC
    widths = 0.4
    axs[0].boxplot(x = AUROC_Data, whis=2, showmeans=True, widths=widths,
                   patch_artist=True,
                   boxprops = {'facecolor': 'cyan','linewidth': 2},
                   capprops={'linewidth': 2})

    axs[0].set_title('BoxPlot | AUROC')
    axs[0].set_xticks([i + 1 for i in range(2)],labels = ["model1", "model2"])
    axs[0].yaxis.grid(True)
    # AUPRC
    axs[1].boxplot(x=AUPRC_Data, whis=2, showmeans=True, widths=widths,
                      patch_artist = True,
                   boxprops={'facecolor': 'lightblue', 'linewidth': 2},
                   capprops={'linewidth': 2}
                          )
    axs[1].set_title('BoxPlot | AUPRC')
    axs[1].set_xticks([i + 1 for i in range(2)], labels=["model1", "model2"])
    axs[1].yaxis.grid(True)
    fig.show()

（2）代码输出：

                        图3 Matplotlib绘制箱线图
（3）matplotlib.pyplot.boxplot具体参数解析：
   可参考：matplotlib.pyplot.boxplot

4.2 Seaborn绘制箱线图

（1）代码：

"""导入所需的python工具包"""
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
"""绘图数据准备"""
sampleData = dict(
    Method = ["model1" for _ in range(5)] + ["model2" for _ in range(5)],
    AUROC = [0.959656,0.973125,0.973869,0.960883,0.970358,0.959226,0.97225,0.970147,0.96788,0.974425],
    AUPRC = [0.947956,0.966463,0.973025,0.949658,0.966043,0.95617,0.97231,0.966797,0.970985,0.976376]
)
if __name__ == "__main__":
    """数据格式转换为DataFrame格式"""
    sampleData = pd.DataFrame(sampleData)
    print(sampleData)
    """创建包含两个子图的画布"""
    sns.set_style("whitegrid")
    fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 4))
    #AUROC
    sns.boxplot(data=sampleData, x = "Method", y="AUROC",
                showmeans=True, width=0.4, ax=axs[0],
                whis=2, linewidth=2, palette=sns.set_palette("Set2"))
    axs[0].set_title('BoxPlot | AUROC')
    axs[0].set_ylabel("")
    axs[0].set_xlabel("")

    #AUPRC
    sns.boxplot(data=sampleData, x = "Method", y="AUPRC",
                showmeans=True, width=0.4, ax=axs[1],
                whis=2, linewidth=2, palette=sns.set_palette("Set2"))
    axs[1].set_title('BoxPlot | AUPRC')
    axs[1].set_ylabel("")
    axs[1].set_xlabel("")
    fig.show()

（2）代码输出：

                        图4 Seaborn绘制箱线图
（3）seaborn.boxplot具体参数解析：
   可参考：seaborn.boxplot
可以观察到，二者所绘制的箱线图是一致的。

五、参考文献

[1]https://baike.baidu.com/item/%E7%AE%B1%E5%BD%A2%E5%9B%BE/10671164?fr=ge_ala.
[2] https://www.runoob.com/matplotlib/matplotlib-tutorial.html.
[3] https://seaborn.pydata.org/tutorial.html.