基于Pythonmatplotlib库绘制箱线图

2024-04-02 19:04:59 834人浏览泡泡鱼

Python 官方文档：入门教程 => 点击学习

摘要

目录1. 关于箱线图及 plt.boxplot()方法2. 绘制一幅简单的箱线图3. 绘制一幅更精致的图像4. 异常值的标准5. 异常值的输出1. 关于箱线图及 plt.boxp

1. 关于箱线图及 plt.boxplot()方法

箱线图又称箱形图，有的地方也可以叫盒须图。使用箱线图的好处是可以以一种相对稳定的方式描述数据离散分布情况，识别数据中的异常值。

在pthon的matplotlib库中绘制箱线图使用的是plt.boxplot()方法。

该方法的主要参数如下

参数	描述
x	要绘制箱线图的数据
notch	是否以凹凸形式展现箱线图，默认为非凹凸
sym	指定异常点的形状，默认为加号（+）显示
vert	是否需要将箱形图垂直摆放
whis	指定上下限与上下四分位的距离。默认为1.5倍的四分位差
position	指定箱型图的位置。默认为[0, 1, 2]
widths	指定箱型图的宽度，默认为0.5
patch_artist	是否填充箱体颜色
meanline	是否用线的形式表示均值，默认用点的形式来表示。showmeans为True时这个参数才有意义
showmeans	是否显示均值，默认不显示
showcaps	是否显示箱线图顶端和末端的两条线。默认是不显示的
showbox	是否显示箱体，默认显示
showfliers	是否显示异常值，默认显示
boxprops	设置箱体的属性，如边框色、填充色等。patch_artist为True时填充箱体颜色(facecolor键)才有效
medianprops	设置中位数的属性，如线的类型、粗细等
meanprops	设置均值的属性，如点的大小颜色等
capprops	设置箱型图顶端和末端线条的属性，如颜色、粗细等
whiskerprops	设置须的属性。如颜色、粗细、线的类型等

2. 绘制一幅简单的箱线图

使用随机数种子随机生成三组随机但固定的数据。以用来绘制三个箱线个体（一张图）。

全局字体使用楷体。

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor='#33ff99', figsize=(10, 6))
plt.rcParams['font.sans-serif'] = ['STKaiTI']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
np.random.seed(30)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
plt.boxplot([data1, data2, data3])
plt.xticks(range(1, 4), ['A型', 'B型', 'C型'], fontsize=20)
plt.yticks(fontsize=20)
plt.title('箱线图', fontsize=25, color='#0033cc')
plt.show()

图像效果如下：

3. 绘制一幅更精致的图像

下边的数据中，修改了一下数据。上边随机产生的数据因为较为均匀，所以很难产生异常值，达不到箱线图的预期展示效果。

使用 * 符号来标记异常值。并使用线来标出每组数据的均值。

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor='#33ff99', figsize=(10, 6))
plt.rcParams['font.sans-serif'] = ['STKAITI']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
np.random.seed(110)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
# 修改几个值，作为异常值，方便展示
data1[100:102] = [142, 150]
data3[100:103] = [1, 5, 154]
plt.boxplot([data1, data2, data3],
            notch=True,
            sym='*',
            patch_artist=True,
            boxprops={'color': '#ffff00', 'facecolor': '#0066ff'},
            capprops={'color': '#ff3333', 'linewidth': 2},
            showmeans=True,
            meanline=True
            )
plt.xticks(range(1, 4), ['A型', 'B型', 'C型'], fontsize=20)
plt.yticks(fontsize=20)
plt.title('箱线图', fontsize=25, color='#0033cc')
plt.show()

代码执行效果如下：

4. 异常值的标准

通过whis参数可以修改判断异常值的标准。默认将不在【均值±1.5倍四分位差】范围内的判断为异常值。

在上述代码的基础上稍作修改：

设置whis=2

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor='#33ff99', figsize=(10, 6))
plt.rcParams['font.sans-serif'] = ['STKAITI']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
np.random.seed(110)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
# 修改几个值，作为异常值，方便展示
data1[100:102] = [142, 150]
data3[100:103] = [1, 5, 154]
plt.boxplot([data1, data2, data3],
            whis=2,
            notch=True,
            sym='*',
            patch_artist=True,
            boxprops={'color': '#ffff00', 'facecolor': '#0066ff'},
            capprops={'color': '#ff3333', 'linewidth': 2},
            showmeans=True,
            meanline=True
            )
plt.xticks(range(1, 4), ['A型', 'B型', 'C型'], fontsize=20)
plt.yticks(fontsize=20)
plt.title('箱线图', fontsize=25, color='#0033cc')
plt.show()

则结果中已经不再有异常值：

5. 异常值的输出

上文只是将异常值以可视化的方式呈现在了读者眼前。当然，做数据分析时仅仅这样是不够的，通常还需要对数据进行处理，如去除。

下边的python代码来完成异常值的输出：

import numpy as np
np.random.seed(110)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
# 修改几个值，作为异常值，方便展示
data1[100:102] = [142, 150]
data3[100:103] = [1, 5, 154]

Q1 = np.quantile(a=data3, q=0.25)
Q3 = np.quantile(a=data3, q=0.75)
# 计算 四分位差
QR = Q3 - Q1
# 下限 与 上线
low_limit = Q1 - 1.5 * QR
up_limit = Q3 + 1.5 * QR
print('下限为：', low_limit)
print('上限为：', up_limit)
print('异常值有：')
print(data3[(data3 < low_limit) + (data3 > up_limit)])