python箱线图标注单位_【可视化】箱线图异变标注

在数据分析的过程中，我们往往花费大量的精力在数据清洗这一步。为什么需要进行数据清洗呢？因为我们拿到手上的数据往往是脏数据，这些数据往往包含着缺失值、异常值、不一致的值以及重复值等问题，必须经过合理的清洗手段才能保证下一步的分析顺利进行。缺失值

data.describe()

len(data)

对比第一行返回的count值(非空)和第二行返回的值进行对比，如果两个值不统一，那么就表示数据集存在缺失值。对于缺失值的处理，我们一般通过合理值填补或者删除的方式进行处理，具体采用哪种方式，需要根据数据集缺失值的分布状况而定。异常值

异常值是明显偏离其余值的观测值。

一方面，我们可以通过普通的计量方式，观测到数据集是否存在异常值。第一种方法是，观察数据集的最大最小值，例如人的年龄，基本分布为0-120岁，如果观测值超过这个范围，基本判定为异常值；第二种方法，如果数据集服从正态分布，则满足3ð原则，即观测值分布在总体均值三个方差外的概率小于等于0.003，即P(|x-μ|＞3ð)≤0.003。

另一方面，我们可以通过画图更直观地将异常值标注出来，即箱线图。异常值在箱线图中被定义为偏离于箱线图上下界的观测值(小于QL-1,5QR或者大于QU+1,5QR的值，QL为下四分位数，QU为上四分位数，QR为四分位数间距，即上下四分位数之差)

下面我们来用餐馆数据集进行演示：

第一步：导入所需要的包和数据集

import pandas as pd

import matplotlib.pyplot as plt

<