matplotlib 均值_走进Matplotlib世界（九）

回顾

在走进Matplotlib世界(八)中，我们介绍了Matplotlib中极坐标的相关图表，包括极坐标图、极区图、极散点图的概念和基本用法。今天我们来看一下Matplotlib中的箱型图，以及Matplotlib对图像的处理。

箱型图

箱型图又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

要绘制箱型图，我们需要了解最大值、最小值、中位数、两个四分位数(上四分位数和下四分位数)和异常值的概念。

最大值、最小值：一组数据中最大的数和最小的数。

中位数：按顺序排列的一组数据中居于中间位置的数，即在这组数据中，平均会有一半的数据比他大，有一半的数据比他小。

四分位数：也称四分位点，是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。四分位数指的是一组数据排序后处于25%和75%位置上的值。四分位数是通过3个点将全部数据等分为4部分，其中每部分包含25%的数据。很显然，中间的四分位数就是中位数，因此通常所说的四分位数是指处在25%位置上的数值(称为下四分位数)和处在75%位置上的数值(称为上四分位数)。四分位数的计算有(n+1)/4、(n+1)*3/4和(n-1)、(n-1)*3/4两种，我们一般使用第一种计算方式，那么下四分位数Q1=(n+1)/4，上四分位数Q3=(n+1)*3/4。

异常值：箱型图中的异常值判断以四分位数(Q3、Q1)和四分位距(IQR=Q3-Q1)为基础，异常值被定义为小于下边缘(Q1－1.5IQR)或大于上边缘(Q3+1.5IQR)的值。除了上下边缘，箱型图中还有极上限(Q3+3IQR)和极下限(Q1-3IQR)的概念。小于下边缘或大于上边缘的异常值称为中度异常，小于极下限或大于极上限的异常值称为极度异常。

有了上述的概念，就可以绘制出箱型图了。一个基本的箱型图如下所示，主要包含六个数据节点，将一组数据从大到小排列，分别计算出他的上边缘，上四分位数，中位数，下四分位数和下边缘，以及可能存在的异常值。

箱型图概念

在Matplotlib中，箱型图使用box()或boxplot()绘制。我们使用box()方法分别绘制一个简单的箱型图和一个横向的箱型图。​

# 0、导入包import matplotlib.pyplot as pltimport numpy as npimport pandas as pd# 1、准备数据data = pd.DataFrame(np.random.rand(10, 4),