箱线图的正确绘制

seriseri

已于 2022-10-07 13:05:58 修改

阅读量5.3k

点赞数 4

分类专栏：踩坑填坑记文章标签：数据分析

于 2022-07-12 05:44:08 首次发布

本文链接：https://blog.csdn.net/seriseri/article/details/124448472

版权

5 篇文章 4 订阅

订阅专栏

中文网络上有一些误传的教程，认为箱线图上下的两根线分别是

上界 = Q1 - 1.5IQR
下界 = Q3 + 1.5IQR

其实并不是。
请看这张图，注意两个黄色箭头的部分（下面的黄色箭头太小了，所以又用了一个绿色箭头指示它）

#用python捏一个较为夸张的数据
import pandas as pd
data = pd.DataFrame([ 54,  65,  72,  76, 104, 432, 457])
data.boxplot()

捏一个较为夸张的数据
如果按上述的公式计算，两个黄色箭头的长度应当是一样的，也就是1.5IQR，但显然不是这样。

实际上，箱线图里是没有“上界”、“下界”这种东西的。
这两根横线的实际意义是剔除了异常值之后，剩下的数据集里，最大和最小的数据所代表的位置。

Q1 - 1.5IQR
Q3 + 1.5IQR

这两个公式是用于判断异常值的。
也就是，取数据集中的一个值为x
$\begin{cases} 异常值 &\text{if } x>Q3+1.5*IQR \space or \space x<Q1 - 1.5*IQR\\ 正常值 &\text{else} \end{cases}（\alpha）$

1.计算数据集整体的四分位数，画箱子部分。
2.用上一步的公式( $\alpha$ )选出异常值之后，以剩下的最大值最小值为箱线图的两根横线。
3.最后再将异常值以圆点的形式画在箱线图上

参考：https://en.wikipedia.org/wiki/Box_plot

关注