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爬虫爬取58同城上所有城市的租房信息详解
这篇文章主要介绍了python爬虫爬取58同城上所有城市的租房信息详解,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
2019-07-07
Python基础之模块详解
本文详细讲解了Python基础之模块，文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2022-05-05
python+opencv实现阈值分割
这篇文章主要为大家详细介绍了python+opencv实现阈值分割的相关代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-12-12
python3实现将json对象存入Redis以及数据的导入导出
这篇文章主要介绍了python3实现将json对象存入Redis以及数据的导入导出，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-07-07
Python使用Keras库中的LSTM模型生成新文本内容教程
Python语言使用金庸小说文本库,对文本进行预处理,然后使用Keras库中的LSTM模型创建和训练了模型,根据这个模型,我们可以生成新的文本,并探索小说的不同应用
2024-01-01
Python实现byte转integer
这篇文章主要介绍了Python实现byte转integer操作，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
2021-06-06
Flask 使用工厂模式
本文章向大家介绍flask工厂模式，主要包括flask工厂模式使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下
2021-11-11
python算法学习双曲嵌入论文方法与代码解析说明
这篇文章主要为大家介绍了python算法学习双曲嵌入论文方法与代码的实现解析说明，有需要的朋友可以借鉴参考下，希望能够有所帮助
2021-11-11
python以环状形式组合排列图片并输出的方法
这篇文章主要介绍了python以环状形式组合排列图片并输出的方法,涉及Python使用pil库操作图片的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
2015-03-03
使用Python开发游戏运行脚本实现模拟点击
这篇文章主要介绍了使用Python开发游戏运行脚本实现模拟点击,这样我们要想实现手游脚本开发的第一步，就是下载Android模拟器，然后在对安卓模拟器进行鼠标和键盘的模拟，以此来实现自动化游戏脚本，需要的朋友可以参考下
2021-11-11