利用matlab+matplotlib和pandas画箱形图+源码解析+文档

### 箱形图 一、四分位数：Q1（下四分位数）、Q2（中位数）、Q3（上四分位数），处于所有数字长度的1/4、1/2、3/4处的值。 计算四分位数： ``` q1_loc = math.ceil(len(dataf[i]) * 0.25 + 1) q1 = dataf[i][q1_loc] # mid = np.median(dataf[i]) q3_loc = math.floor(len(dataf[i]) * 0.75 + 1) q3 = dataf[i][q3_loc] low_whisker = q1 - 1.5 * (q3 - q1) up_whisker = q3 + 1.5 * (q3 - q1) ``` 或dataframe类型的数据，直接用`data_ser.quantile(0.25)`可以得到下四分位数。 二、上下限： 箱形图两端的两条线，在这两条线的范围之外的点是异常点。 计算方法： ``` low_whisker = q1 - 1.5 * (q3 - q1) up_whisker = q3 + 1.5 * (q3 - q1) ``` 三、去除异常点： ``` import seaborn as sns from operator import itemgetter import numpy as np # %matplotlib inline def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :param scale: 尺度 :return: """ def box_plot_outliers(data_ser, box_scale): """ 利用箱线图去除异常值 :param data_ser: 接收 pandas.Series 数据格式 :param box_scale: 箱线图尺度， :return: """ iqr = box_scale * (data_ser.quantile(0.75) - data_ser.quantile(0.25)) val_low = data_ser.quantile(0.25) - 1.5 * iqr val_up = data_ser.quantile(0.75) + 1.5 * iqr rule_low = (data_ser < val_low) rule_up = (data_ser > val_up) return (rule_low, rule_up), (val_low, val_up) data_n = data.copy() data_series = data_n[col_name] rule, value = box_plot_outliers(data_series, box_scale=scale) index = np.arange(data_series.shape[0])[rule[0] | rule[1]] print("Delete number is: {}".format(len(index))) data_n = data_n.drop(index) data_n.reset_index(drop=True, inplace=True) print("Now column number is: {}".format(data_n.shape[0])) index_low = np.arange(data_series.shape[0])[rule[0]] outliers = data_series.iloc[index_low] print("Description of data less than the lower bound is:") print(pd.Series(outliers).describe()) index_up = np.arange(data_series.shape[0])[rule[1]] outliers = data_series.iloc[index_up] print("Description of data larger than the upper bound is:") print(pd.Series(outliers).describe()) fig, ax = plt.subplots(1, 2, figsize=(10, 7)) sns.boxplot(y=data[col_name], data=data, palette="Set1", ax=ax[0]) sns.boxplot(y=data_n[col_name], data=data_n, palette="Set1", ax=ax[1]) plt.show() return data_n ``` ### 画箱形图的三种方法： 一、python库matplotlib （可以设置不显示异常点，无法调整坐标文字大小） ``` bplot = plt.boxplot(list, labels=labels, showfliers=False, widths=0.4, capprops={'color':'g', 'linewidth':2}, medianprops={'color':'DarkBlue'}) plt.grid(axis='y') plt.show() ``` 二、pandas （无法设置不显示异常点，无法调整坐标文字大小） 参考 https://www.jb51.net/article/173621.htm 三、matlab （可以设置不显示异常点，可以调整坐标文字大小并旋转一定角度） ``` boxplot(aspect, 'Labels', {'Bridge', 'Vehicle', 'Baseball Diamond', 'Ship', 'Storage Tank', 'Airplane', 'Parking Lot', 'Tennis Court', 'Crossroad', 'Ground Track Field', 'T Junction', 'Basketball Court', 'Harbor'}, 'symbol', '') text_h = findobj(gca, 'Type', 'text'); set(text_h, 'FontSize', 22); % xlabel('Class'); % ylabel('Aspect Ratio'); ``` 其中`'symbol', ''`可以使得异常点不显示 参考： [python绘制箱线图 - The-Chosen-One - 博客园](https://www.cnblogs.com/yanjy-onlyone/p/13435821.html) [Python数据可视化：箱线图多种库画法\_pytho](https://www.jb51.net/article/173621.htm) [Box plot (箱线图) 解读以及Python实现\_boxplot python](https://blog.csdn.net/shulixu/article/details/86551482) [Python-matplotlib统计图之箱线图漫谈 - 简书](https://www.jianshu.com/p/b2f70f867a4a) [箱型图Python绘制 - 知乎](https://zhuanlan.zhihu.com/p/321910805) [ Matplotlib - 箱线图、箱型图 boxplot () 所有用法详解](https://blog.csdn.net/weixin_40683253/article/details/87857194) [设置箱体颜色 python matplotlib filled boxplots - Stack Overflow](https://stackoverflow.com/questions/20289091/python-matplotlib-filled-boxplots) [matlab横坐标轴设置,Matlab箱线图Boxplot横坐标x轴设置 - CodeAntenna](https://codeantenna.com/a/27PYLrUn1W) [matlab画盒图（箱线图）如何不显示异常值](https://blog.csdn.net/summer15407901/article/details/107715646) [matlab boxplot 字体大小,MATLAB boxplot 字体位置调整以及图片保存问题-爱代码爱编程](https://icode.best/i/44394140275322)