使用matplotlib绘制箱型图(箱线图)及简要分析

箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。（来源：百度百科【箱型图】词条）

 

 

箱形图有5个参数：
下边缘（Q1），表示最小值；
下四分位数（Q2），又称“第一四分位数”，等于该样本中所有数值由小到大排列后第25%的数字；
中位数（Q3），又称“第二四分位数”等于该样本中所有数值由小到大排列后第50%的数字；
上四分位数（Q4），又称“第三四分位数”等于该样本中所有数值由小到大排列后第75%的数字；
上边缘（Q5），表述最大值。
第三四分位数与第一四分位数的差距又称四分位间距。

箱型图有个功能就是可以检测这组数据是否存在异常值。异常值在哪里呢？就是在上边缘和下边缘的范围之外。

我们使用公司验证客户贷款资格的一些数据来做展示，下面是一些数据变量及其描述。

 

数据如下所示：

下面的代码使用pd.read_csv()从csv文件中读取数据，并绘制箱型图：

绘制的箱线图如下所示：

 

从箱线图中我们可以看到，毕业生和非毕业生的平均收入没有实质性差异。但是，收入水平很高的毕业生人数更多，而这些毕业生似乎都是异常值。