python画厢式图_用matplotlib画箱体图（boxplot）

画boxplot的接口为 matplotlib.pyplot.boxplot，不过在画之前，我需要好好理解一下箱体图所代表的含义和计算方法。

用一个实际的例子来说明如何画boxplot，这个例子来自wiki。

有数据 dd = [50,50,55,58,63,66,66,67,67,68,69,70,70,70,70,72,73,75,75,76,76,78,79,81]，len(dd)=24，这一组数据表示的是一天当中每隔一小时的温度采样，按从小到大排列。

在画boxplot时，我们需要知道5个summary数字，five-number summary：

最小的数，min，是50；

最大的数，max，是81；

中间的数，median，70，计算方法：选出的这个数，意味着有50%的数大于它，有50%的数小于它；本例dd中数据个数是偶数，计算方法为把中间的两个数相加后除以2；

Q1，first quartile value，从小到大的第1个四分位数，66，计算方法：有25%的数小于Q1，有75%数大于Q1，同样，边界处不必太纠结；

Q3，thrid quartile value，从小到大第3个四分位数，75，计算方法：有25%的数大于Q3，有75%的数小于Q3；

注意：这5个数都是dd中实际存在的数！median和Q1，Q3确定了boxplot的中间3条线，即确定了中间的那个box。

计算IQR，InterQuartile Range，IQR = Q3 - Q1 = 75 - 66 = 9；

计算 1.5 * IQR = 13.5；

计算 Q1 - 1.5*IQR = 52.5；

计算 Q3 + 1.5*IQR = 88.5；

最低的那条线(lower whisker)是大于Q1-1.5*IQR的数中最小的那个，55；

最高的那条线(upper whisker)是小于Q3-1.5*IQR的数中最大的那个，81；

不在 lower whisker和 upper whisker之间的数，被称为 outliers，比例中的 outlier是50；

到此，所有需要画在boxplot中的点位都确定了，下面开始用matplotlib画：

import matplotlib.pyplot as plt

dd = [50,50,55,58,63,66,66,67,67,68,69,70,70,70,70,72,73,75,75,76,76,78,79,81]

plt.boxplot(dd)

plt.plot((0,2),(70,70), linewidth=0.5)

plt.plot((0,2),(66,66), linewidth=0.5)

plt.plot((0,2),(75,75), linewidth=0.5)

plt.plot((0,2),(81,81), linewidth=0.5)

plt.plot((0,2),(55,55), linewidth=0.5)

plt.plot((0,2),(50,50), linewidth=0.5)

plt.show()

我刻意多画了几条线出来，来检查我们手动计算的结果是否正确。效果如下：

用matplotlib画箱体图(boxplot)

同样，plt.boxplot接口也有很多参数来控制具体boxplot的样式，请参考官方说明：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.boxplot.html#matplotlib.pyplot.boxplot

boxplot和正太分布

boxplot实际上体现了dataset中数据的分布情况，多个boxplot放在一起比较很方便。看图吧：

boxplot和正态分布分布

boxplot中的outliers就是属于少于1%的异类！

median不是mean

统计学中的median是指中间位置，而mean才是平均。boxplot计算median这个数，当数据个数为偶数时，median等于中间位置的两个数相加除以2。

import matplotlib.pyplot as plt

dd = [1,1,1,1,9,9,9,9]

plt.boxplot(dd)

plt.show()

这几行代码画出来的boxplot，中间那条线的位置为 y=(1+9)/2=5，请同学们自己测试。

-- EOF --