基于Python matplotlib库绘制箱线图

更新时间：2022年04月13日 15:08:51 作者：侯小啾

这篇文章主要为大家分享了如何利用Python中的matplotlib库实现绘制箱线图与异常值的输出，文中的示例代码讲解详细，需要的可以参考一下

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)])

到此这篇关于基于Python matplotlib库绘制箱线图的文章就介绍到这了,更多相关Python matplotlib箱线图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python利用itchat模块定时给朋友发送微信信息
这篇文章主要介绍了在Python中利用itchat模块编写一个爬虫脚本，可以实现每天定时给朋友发微信暖心话，感兴趣的可以跟随小编一起学习一下
2022-01-01
浅析AST抽象语法树及Python代码实现
Abstract Syntax Tree抽象语法树简写为ATS,是相当于用树结构将代码程式表现出来的一种数据结构,这里我们就来浅析AST抽象语法树及Python代码实现
2016-06-06
在Python中操作字典之setdefault()方法的使用
这篇文章主要介绍了在Python中操作字典之setdefault()方法的使用,是Python入门学习中的基础知识,需要的朋友可以参考下
2015-05-05
Python异步处理返回进度——使用Flask实现进度条
这篇文章主要介绍了Python异步处理返回进度——使用Flask实现进度条，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-05-05
Python模拟登录的多种方法(四种)
这篇文章主要介绍了Python模拟登录的多种方法，大概给大家提供了四种方法，每种方法给大家介绍的都很详细，感兴趣的朋友跟随脚本之家小编一起看看吧
2018-06-06
Python中读取和加解密PDF文件的详细教程
在Python中读取和加密PDF文件是一项常见且实用的任务,尤其对于需要处理大量文档自动化处理的场景,本文将详细介绍如何使用Python读取PDF文件内容以及如何使用不同的库来给PDF文件加密,需要的朋友可以参考下
2024-08-08
Python代码块及缓存机制原理详解
这篇文章主要介绍了Python代码块及缓存机制原理详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-12-12
python3中布局背景颜色代码分析
在本篇文章里小编给大家分享了一篇关于python3中布局背景颜色代码分析的相关内容，有兴趣的朋友们可以学习参考下。
2020-12-12
python装饰器底层原理详解
这篇文章主要介绍了python装饰器底层原理讲解，被装饰对象加上装饰器，被装饰对象获得了更强大的功能，更多相关内容，需要的朋友可以参考一下
2022-07-07
浅析python的优势和不足之处
在本篇内容中小编给大家整理了关于分析python的优势和不足的分析，有需要的朋友们参考下。
2018-11-11