Python数据分析实战【第三章】3.12-Matplotlib箱型图【python】

【课程3.12】 箱型图 箱型图：又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图 包含一组数据的：最大值、最小值、中位数、上四分位数（Q3）、下四分位数（Q1）、异常值 ① 中位数 → 一组数据平均分成两份，中间的数 ② 上四分位数Q1 → 是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4 ③ 下四分位数Q3 → 是将序列平均分成四份，计算(1+n)/4*3=6.75 ④ 内限 → T形的盒须就是内限，最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR （IQR=Q3-Q1） ⑤ 外限 → T形的盒须就是内限，最大值 在数据分析领域，可视化工具起着至关重要的作用，而Python中的Matplotlib库是数据可视化的基石之一。本节我们将深入探讨如何使用Matplotlib绘制箱型图（Boxplot），它是一种非常有效的展示一组数据分布特性的图形，包括最大值、最小值、中位数以及上四分位数（Q3）和下四分位数（Q1）。箱型图通过直观的方式展示了数据的集中趋势和离群值，对于理解和比较不同数据集的分布非常有用。 我们来理解箱型图的关键组成部分： 1. **中位数**（Median）：中位数是一组数据的中间值，将数据分为相等的两部分。当数据量为奇数时，中位数是排序后的中间数值；当数据量为偶数时，中位数是中间两个数的平均值。 2. **上四分位数**（Q3）：将数据集按大小排序后，位于75%位置的数值，表示数据集中75%的数据值小于或等于Q3。 3. **下四分位数**（Q1）：将数据集按大小排序后，位于25%位置的数值，表示数据集中25%的数据值小于或等于Q1。 4. **内限**（Inner Limit）：箱型图的“箱体”部分，它定义了Q1和Q3之间的范围，表示数据集中的大部分数据都处于这个范围内。 5. **外限**（Outer Limit）：基于内限计算，通常定义为Q3 + 1.5 * IQR（四分位距）和Q1 - 1.5 * IQR，其中IQR = Q3 - Q1。外限用于识别可能的异常值，数据点如果落在这个范围之外，可能被认为是离群值。 6. **异常值**（Outliers）：位于外限之外的数据点，它们可能是由于测量误差或其他异常情况导致的。异常值分为中度异常（内限之外）和极度异常（外限之外）。 在Python中，使用Matplotlib库可以方便地绘制箱型图。`plt.plot.box()` 和 `plt.boxplot()` 是两个常用的函数。 例如，以下代码演示了如何使用`plt.plot.box()`绘制箱型图： ```python import matplotlib.pyplot as plt import pandas as pd import numpy as np # 创建一个DataFrame df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E']) # 设置颜色参数 color = {'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'} # 绘制箱型图 fig, axes = plt.subplots(2, 1, figsize=(10, 6)) df.plot.box(ylim=[0, 1.2], grid=True, color=color, ax=axes[0]) # 可以设置箱型图是否垂直 df.plot.box(vert=False, positions=[1, 4, 5, 6, 8], ax=axes[1], grid=True, color=color) ``` 在这个例子中，`ylim`用于设定y轴的显示范围，`grid`用于开启网格线，`color`用于设置箱型图各个部分的颜色，`vert=False`则会绘制水平的箱型图，`positions`用于指定每个箱型图的位置。 箱型图的使用不仅限于单个数据列，也可以绘制多列数据，或者在同一个图表上绘制多个箱型图，这在比较不同分类或者时间序列的数据分布时非常有用。 掌握如何使用Matplotlib绘制箱型图是进行数据分析工作的重要技能。它能够帮助我们快速识别数据的分布特征，检测异常值，并且可以有效地对比多个数据集的差异。通过自定义颜色、标签和其他图形属性，我们可以创建出更具洞察力和吸引力的箱型图，进一步提升数据故事的讲述效果。