幾種數據統計圖的python寫法

【本篇暫停更新，因為一是寫得不好，二是最近時間都用在spring上了，另外我參考的下面這本《python...》官網有錯誤更正文件，希望對也在讀這本書的讀者有用。】

 

---原文---

本文是作者閱讀《python數據分析與挖掘實戰》（張良均等，2016年1月第1版，機械工業出版社）時，將幾種數據統計圖的python寫法做一個筆記。

源代碼來自書上，注釋來自作者理解。為了方便日后使用，對源代碼的更正或者改變部分就不另行說明了，謝謝支持。

 

准備：需要python2.7、pandas、numpy、matplotlib等語言或數據分析庫，或者直接安裝anaconda（安裝anaconda時不需要再安裝python，否則使用自行安裝的python不能直接import導入anaconda的計算庫）

 

tips：建議使用anaconda的Jupyter Notebook或者Spyder進行以下操作，實測通過命令行和vscode導入包會等的很長

 

一、箱型圖

這是一種將數據四等分，以數據大小為依據，取25%位置的數為下四分位數Q_U，取75%為大四分位數Q_L，定義數據集中異常值是那些　　小於Q_L - 1.5IQR或者大於Q_U + 1.5IQR　　的數。其中IQR為上定義的四分位之間差的絕對值。

 

#-*- coding:utf-8 -*-

import pandas as pd       #導入pandas庫，用於數據分析

data_path = 'data.xls'     #以Excel文件為例

'''
以下使用read_excel()讀取一個Excel文件，並獲取列名為“列名字”的一列數據，前面的 u 是為了顯示中文避免亂碼。
   這個函數可以有很多參數，參見官方手冊。data是DataFrame類型
'''
data = pd.read_excel(data_path, index_col = u'列名字')


import matplotlib.pyplot as  plt     #導入matplotlib，用於畫圖
plt.rcParams['font.sans-serif'] = ['SimHei']     #指定字體為雅黑，matplotlib不支持直接顯示中文
plt.rcParams['axes.unicode_minus'] = False     #使得matplotlib正常顯示負號

plt.figure()     #建立圖像

'''
以下建立箱型圖，指定返回值是'dict'，此時p是一個字典，其中的'fliers'鍵的值是一個為異常值的且屬於matplotlib的line2D對象列表，
   使用get_xdata和get_ydata獲得數據的橫縱坐標數組（准確是numpy.ndarray）
'''
p = data.boxplot(return_type = 'dict')   
x = p['fliers'][0].get_xdata()
y = p['fliers'][0].get_ydata()
y.sort()      #排序


'''
接下來使用annotate()為該圖像增加注釋，語法是annotate(u'標簽', xy = (cor_x, xor_y), xytext = (cor_x, cor_y))，
   其中xy表示標注點坐標，xytext表示注釋坐標，cor_x和cor_y是坐標值。
   坐標需要根據數據調整，這里不再貼代碼。
'''

 

由書上的數據和代碼得到以下箱型圖：

異常值就顯而易見了。