箱线图(Box plot)可以用来表示数据的分布情况、离群值以及中位数、四分位数等统计信息。箱式图通常由一条线(即中位线)和一个矩形框(即箱体)组成。箱体上边缘和下边缘分别表示数据的上四分位数和下四分位数,箱体内部的线表示数据的中位数。箱体内部还可能包含异常值(outliers),是与其他数据点有明显偏离的极端值。
箱式图还可以通过在箱体上下方延伸的线条(即“须”)来表示数据的范围。须的长度通常是通过将上/下四分位数与最接近的值之间的距离扩展到最大/最小的非离群值处来确定的。
通过观察箱线图,可以了解以下方面的信息:
-
数据的中心趋势: 箱体中的横线表示中位数,可以帮助你了解数据的中心位置。箱体的位置也表示了四分位数的位置,从而提供了对数据中心趋势的直观感受。
-
数据的分散程度: 箱体的长度代表数据的四分位距(IQR,即Q3 - Q1),反映了数据的离散程度。较长的箱体表示数据的分布范围较广,而较短的箱体表示数据相对集中。
-
异常值的存在: 箱线图可以帮助你检测离群值。超出箱体的范围的数据点通常被视为异常值,并以点状标记。
-
数据的对称性: 箱线图在中位数附近的箱体部分展示了数据的对称性。如果箱体两侧的长度相等,数据可能是对称分布的。如果长度不相等,可能存在偏斜。
-
数据的分布形状: 箱线图通过须的长度和方向,反映了数据的整体分布形状。长须表示数据分布范围广,而短须表示数据相对集中。
-
不同组之间的比较: 如果你有多个箱线图并排显示,你可以比较它们的中位数、四分位数范围和分布形状,从而了解不同组之间的差异。
Matplotlib中绘制箱线图的方法:boxplot
示例1:利用服从0~1均匀分布的随机数绘制单个箱线图。
代码如下:
import matplotlib.pyplot as plt
import numpy as np
labels = 'A' #标签设置为A
data=np.random.rand(4) #生成含4个随机元素的列表
plt.grid(True) # 显示网格
plt.boxplot(data,
medianprops={'color': 'red', 'linewidth': '1.5'},
meanline=True,
showmeans=True,
meanprops={'color': 'blue', 'ls': '--', 'linewidth': '1.5'},
flierprops={"marker": "o", "markerfacecolor": "red", "markersize": 10},
labels=labels)
plt.yticks(np.arange(0.1, 0.9, 0.1))
plt.savefig('4.5箱线图1.png',dpi=400)
plt.show()
结果图如下:
示例2:基于1989年呈村流域4个站点(呈村、汪村、樟源口和棣甸)的逐日实测流量,绘制各站点的箱线图。数据文件为"1989呈村流域.csv".
代码如下:
#导入相关的模块
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['simsun'] # 显示中文
data=pd.read_csv('1989呈村流域.csv',header=0,encoding='gbk') #读取数据,首行为列标签,以gbk编码方式打开
data_1=pd.DataFrame() #获取第一个站点的实测径流
data_1['runoff']=data['呈村']
data_2=pd.DataFrame()
data_2['runoff']=data['汪村']
data_3=pd.DataFrame()
data_3['runoff']=data['樟源口']
data_4=pd.DataFrame()
data_4['runoff']=data['棣甸']
#将每组数据放到一个列表中,方便绘图
box_data=[data_1['runoff'],
data_2['runoff'],
data_3['runoff'],
data_4['runoff']]
#箱线图绘图
fig,ax=plt.subplots() #分离画布对象与绘图区对象
ax.boxplot(box_data,
sym='k+', #设置箱线图中异常点的颜色与表示方法
vert=True, #设置显示方向为垂直
showmeans=True, #显示平均值
meanline=True, #显示平均线条
meanprops=dict(linestyle='solid', #设置平均值线条类型
marker='o', #平均值数据显示为圆圈
markersize=6, #设置平均值数据点尺寸
markerfacecolor='b', #设置平均值数据点中心颜色
markeredgecolor='r', #设置平均值数据点边缘颜色
markeredgewidth=2), #设置平均值数据点线条宽度
showfliers=True, #显示离群值
flierprops={'color':'gray', #设置离群值颜色为灰色
'marker':'.', #形状为点
'markersize':3,#尺寸诶3
'markeredgecolor':'gray'},
boxprops=dict(color='k'),#设置箱体颜色为黑色
medianprops=dict(linestyle='solid',#设置中位数线条类型
color='r', #中位数颜色
linewidth=2),#中位线线条宽度
whis=(10,50)) #显示上下限区间为10%与90%的数据范围
#坐标轴设置
ax.set_xticks([1,2,3,4]) #x轴显示
ax.set_xticklabels(['呈村','汪村','樟源口','棣甸']) #x轴新的标签
ax.set_ylabel('日实测径流(mm)',fontsize=15) #设置y轴标签,字体大小为15
ax.grid(True,linestyle=':',linewidth=1,alpha=0.5) #设置网格线
ax.set_xlabel('站点名称',fontsize=15)
fig.savefig('4.5箱线图2.png',dpi=400) #保存图片
plt.show()
结果图如下: