Python數據分析入門（二十一）：數據可視化之繪制箱線圖

箱線圖

箱線圖（Box-plot）又稱為盒須圖、盒式圖或箱型圖，是一種用作顯示一組數據分散情況資料的統計圖。因形狀如箱子而得名。在各種領域也經常被使用，它主要用於反映原始數據分布的特征，還可以進行多組數據分布特征的比較。箱線圖的繪制方法是：先找出一組數據的上限值、下限值、中位數（Q2）和下四分位數（Q1）以及上四分位數（Q3）；然后，連接兩個四分位數畫出箱子；再將最大值和最小值與箱子相連接，中位數在箱子中間。

 

 

中位數：把數據按照從小到大的順序排序，然后最中間的那個值為中位數，如果數據的個數為偶數，那么就是最中間的兩個數的平均數為中位數。 上下四分位數：同樣把數據排好序后，把數據等分為4份。出現在25%位置的叫做下四分位數，出現在75%位置上的數叫做上四分位數。但是四分位數位置的確定方法不是固定的，有幾種算法，每種方法得到的結果會有一定差異，但差異不會很大。

上下限的計算規則是： IQR=Q3-Q1 上限=Q3+1.5IQR 下限=Q1-1.5IQR

使用matplotlib繪制箱線圖：

在matplotlib中有plt.boxplot來繪制箱線圖，這個方法的相關參數如下：

1. x：需要繪制的箱線圖的數據。
2. notch：是否展示置信區間，默認是False。如果設置為True，那么就會在盒子上展示一個缺口。
3. sym：代表異常點的符號表示，默認是小圓點。
4. vert：是否是垂直的，默認是True，如果設置為False那么將水平方向展示。
5. whis：上下限的系數，默認是1.5，也就是上限是Q3+1.5IQR，可以改成其他的。也可以為一個序列，如果是序列，那么序列中的兩個值分別代表的就是下限和上限的值，而不是再需要通過IQR來計算。
6. positions：設置每個盒子的位置。
7. widths：設置每個盒子的寬度。
8. labels：每個盒子的label。
9. meanline和showmeans：如果這兩個都為True，那么將會繪制平均值的的線條。

示例代碼如下：

data = np.random.rand(100)*100
# 添加兩個異常值
data = np.append(data,np.array([-100,100]))
plt.boxplot(data,meanline=True,showmeans=True)

 

效果圖如下：

 

箱線圖的應用場景：

1. 直觀明了地識別數據中的異常值。
2. 利用箱線圖判斷數據的偏態。
3. 利用箱線圖比較幾批數據的形狀。
4. 箱線圖適合比較多組數據，如果知識要看一組數據的分布情況，建議使用直方圖。