Python数据分析入门（二十一）：数据可视化之绘制箱线图

箱线图

箱线图（Box-plot）又称为盒须图、盒式图或箱型图，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，它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先找出一组数据的上限值、下限值、中位数（Q2）和下四分位数（Q1）以及上四分位数（Q3）；然后，连接两个四分位数画出箱子；再将最大值和最小值与箱子相连接，中位数在箱子中间。

 

 

中位数：把数据按照从小到大的顺序排序，然后最中间的那个值为中位数，如果数据的个数为偶数，那么就是最中间的两个数的平均数为中位数。 上下四分位数：同样把数据排好序后，把数据等分为4份。出现在25%位置的叫做下四分位数，出现在75%位置上的数叫做上四分位数。但是四分位数位置的确定方法不是固定的，有几种算法，每种方法得到的结果会有一定差异，但差异不会很大。

上下限的计算规则是： IQR=Q3-Q1 上限=Q3+1.5IQR 下限=Q1-1.5IQR

使用matplotlib绘制箱线图：

在matplotlib中有plt.boxplot来绘制箱线图，这个方法的相关参数如下：

1. x：需要绘制的箱线图的数据。
2. notch：是否展示置信区间，默认是False。如果设置为True，那么就会在盒子上展示一个缺口。
3. sym：代表异常点的符号表示，默认是小圆点。
4. vert：是否是垂直的，默认是True，如果设置为False那么将水平方向展示。
5. whis：上下限的系数，默认是1.5，也就是上限是Q3+1.5IQR，可以改成其他的。也可以为一个序列，如果是序列，那么序列中的两个值分别代表的就是下限和上限的值，而不是再需要通过IQR来计算。
6. positions：设置每个盒子的位置。
7. widths：设置每个盒子的宽度。
8. labels：每个盒子的label。
9. meanline和showmeans：如果这两个都为True，那么将会绘制平均值的的线条。

示例代码如下：

data = np.random.rand(100)*100
# 添加两个异常值
data = np.append(data,np.array([-100,100]))
plt.boxplot(data,meanline=True,showmeans=True)

 

效果图如下：

 

箱线图的应用场景：

1. 直观明了地识别数据中的异常值。
2. 利用箱线图判断数据的偏态。
3. 利用箱线图比较几批数据的形状。
4. 箱线图适合比较多组数据，如果知识要看一组数据的分布情况，建议使用直方图。