箱型图的核心思想以及计算过程

还不秃顶的计科生

于 2024-08-22 21:16:03 发布

阅读量161

点赞数 2

分类专栏：机器学习文章标签： windows 信息可视化 python matplotlib

本文链接：https://blog.csdn.net/weixin_74009895/article/details/141436103

版权

机器学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

第一部分：箱型图的含义

箱型图（Box Plot），也叫盒须图，是一种显示数据分布情况的图形工具。它直观地展示了数据的分散性、中心趋势以及异常值。箱型图通过几个关键统计量帮助理解数据的分布：第一四分位数、第三四分位数、中位数、最大值、最小值、上限、下限和异常值。

箱形图最大的优点就是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况，同时也利于数据的清洗。

同时，利用箱型图无需数据服从正态分布

第二部分：箱型图的组成与计算

从上面这个图就能够看出来，对应大的异常值和小的异常值均不会被统计在内，就好比要研究一个小村庄里的人均收入，不小心马云从中进过，把马云也算进去了，那数据价格会出现巨大的变动，而马云在这里就叫做异常值。

第三部分：箱型图的实现

（1）示例

求解“学生成绩表.xlsx”中，“语文”，“数学”，“英语”成绩的箱型图数据分布，以显现其数据的分布状态。

（2）箱型图绘制代码

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pylab import mpl
import numpy as np

# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 读取 Excel 文件
file_path = '学生成绩表.xlsx'  # 请替换为你的文件路径
df = pd.read_excel(file_path, sheet_name='Sheet1')

# List of subjects to plot
subjects = ['语文', '数学', '英语']

# Create a box plot for each subject
plt.figure(figsize=(10, 6))
box_plot = sns.boxplot(data=df[subjects])

# 标注每个箱型图的统计量
for i, subject in enumerate(subjects):
    # 获取该科目的数据
    data = df[subject].dropna()

    # 计算统计量
    median = np.median(data)  # 中位数
    q1 = np.percentile(data, 25)  # 第一四分位数（Q1）
    q3 = np.percentile(data, 75)  # 第三四分位数（Q3）
    iqr = q3 - q1  # 四分位距（IQR）
    lower_fence = q1 - 1.5 * iqr  # 下限
    upper_fence = q3 + 1.5 * iqr  # 上限
    min_value = data[data >= lower_fence].min()  # 非异常值的最小值
    max_value = data[data <= upper_fence].max()  # 非异常值的最大值
    outliers = data[(data < lower_fence) | (data > upper_fence)]  # 异常值

    # 在图上标注这些统计量
    plt.text(i, median, f'中位数: {median:.2f}', horizontalalignment='center', color='white', weight='bold')
    plt.text(i, q1, f'Q1: {q1:.2f}', horizontalalignment='center', color='black', weight='bold')
    plt.text(i, q3, f'Q3: {q3:.2f}', horizontalalignment='center', color='black', weight='bold')
    plt.text(i, min_value, f'最小值: {min_value:.2f}', horizontalalignment='center', color='black', weight='bold')
    plt.text(i, max_value, f'最大值: {max_value:.2f}', horizontalalignment='center', color='black', weight='bold')
    plt.text(i, lower_fence, f'下限: {lower_fence:.2f}', horizontalalignment='center', color='red', weight='bold')
    plt.text(i, upper_fence, f'上限: {upper_fence:.2f}', horizontalalignment='center', color='red', weight='bold')

    # 标注异常值
    for outlier in outliers:
        plt.text(i, outlier, f'{outlier:.2f}', horizontalalignment='center', color='blue', weight='bold')

plt.title('语文、数学、英语成绩的箱型图及统计量标注')
plt.xlabel('科目')
plt.ylabel('成绩')

# 显示图形
plt.show()

效果：