日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

基于Python?matplotlib庫繪制箱線圖_python

作者：侯小啾 ? 更新時間： 2022-06-13 編程語言

1. 關于箱線圖 及 plt.boxplot()方法

箱線圖又稱箱形圖，有的地方也可以叫盒須圖。使用箱線圖的好處是可以以一種相對穩定的方式描述數據離散分布情況，識別數據中的異常值。

在pthon的matplotlib庫中繪制箱線圖使用的是plt.boxplot()方法。

該方法的主要參數如下

參數 描述
x 要繪制箱線圖的數據
notch 是否以凹凸形式展現箱線圖，默認為非凹凸
sym 指定異常點的形狀，默認為加號（+）顯示
vert 是否需要將箱形圖垂直擺放
whis 指定上下限與上下四分位的距離。默認為1.5倍的四分位差
position 指定箱型圖的位置。默認為[0, 1, 2]
widths 指定箱型圖的寬度，默認為0.5
patch_artist 是否填充箱體顏色
meanline 是否用線的形式表示均值，默認用點的形式來表示。showmeans為True時這個參數才有意義
showmeans 是否顯示均值，默認不顯示
showcaps 是否顯示箱線圖頂端和末端的兩條線。默認是不顯示的
showbox 是否顯示箱體，默認顯示
showfliers 是否顯示異常值，默認顯示
boxprops 設置箱體的屬性，如邊框色、填充色等。patch_artist為True時填充箱體顏色(facecolor鍵)才有效
medianprops 設置中位數的屬性，如線的類型、粗細等
meanprops 設置均值的屬性，如點的大小顏色等
capprops 設置箱型圖頂端和末端線條的屬性，如顏色、粗細等
whiskerprops 設置須的屬性。如顏色、粗細、線的類型等

2. 繪制一幅簡單的箱線圖

使用隨機數種子隨機生成三組隨機但固定的數據。以用來繪制三個箱線個體（一張圖）。

全局字體使用楷體。

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('箱線圖', fontsize=25, color='#0033cc')
plt.show()

圖像效果如下：

3. 繪制一幅更精致的圖像

下邊的數據中，修改了一下數據。上邊隨機產生的數據因為較為均勻，所以很難產生異常值，達不到箱線圖的預期展示效果。

使用 * 符號來標記異常值。并使用線來標出每組數據的均值。

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)
# 修改幾個值，作為異常值，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('箱線圖', fontsize=25, color='#0033cc')
plt.show()

代碼執行效果如下：

4. 異常值的標準

通過whis參數可以修改判斷異常值的標準。默認將不在【均值±1.5倍四分位差】范圍內的判斷為異常值。

在上述代碼的基礎上稍作修改：

設置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)
# 修改幾個值，作為異常值，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('箱線圖', fontsize=25, color='#0033cc')
plt.show()

則結果中已經不再有異常值：

5. 異常值的輸出

上文只是將異常值以可視化的方式呈現在了讀者眼前。當然，做數據分析時僅僅這樣是不夠的，通常還需要對數據進行處理，如去除。

下邊的python代碼來完成異常值的輸出：

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)
# 修改幾個值，作為異常值，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)
# 計算 四分位差
QR = Q3 - Q1
# 下限 與 上線
low_limit = Q1 - 1.5 * QR
up_limit = Q3 + 1.5 * QR
print('下限為：', low_limit)
print('上限為：', up_limit)
print('異常值有：')
print(data3[(data3 < low_limit) + (data3 > up_limit)])

原文鏈接：https://blog.csdn.net/weixin_48964486/article/details/124120034

欄目分類
最近更新