快捷導(dǎo)航

用python的seaborn畫數(shù)值箱型圖

更新時(shí)間：2022年01月16日 09:19:27 作者：林老頭ss

大家好，本篇文章主要講的是用python的seaborn畫數(shù)值箱型圖，感興趣的同學(xué)趕快來看一看吧，對(duì)你有幫助的話記得收藏一下

一、概念介紹

箱型圖（box-plot)，又稱為箱線圖，盒型圖，盒須圖。在數(shù)據(jù)探索階段或者描述性分析過程中，我們常常用于展示多類連續(xù)型數(shù)據(jù)的數(shù)值分布情況，便于類間對(duì)比和快速識(shí)別異常值。

在一幅箱型圖中，一個(gè)連續(xù)數(shù)值序列構(gòu)成一個(gè)盒子，如下所示。

每一個(gè)盒子主要展示的是數(shù)據(jù)的上四分位數(shù)Q1(25%)，中位數(shù)（50%)，下四分位數(shù)Q3（75%)。劃分異常值的界限我們稱為上下極限，其離Q1,Q3分別是1.5IQR（IQR=Q3-Q1，稱作四分位距）的距離，在上下極限之外的點(diǎn)，我們稱為異常點(diǎn)。異常值在不同場(chǎng)景中受到不同的重視，如果是要研究目標(biāo)群體的薪資水平，我們常常關(guān)注中位數(shù)和IQR，而不關(guān)注異常值。

二、數(shù)據(jù)展示

借助爬蟲技術(shù)，我們?cè)谀硞€(gè)時(shí)間的boss直聘首頁(yè)隨機(jī)獲取了八個(gè)城市的三類檢索詞（數(shù)據(jù)分析師、數(shù)據(jù)挖掘工程師、算法工程師）的職位發(fā)布信息。一共得到的excel表如下所示。

每一個(gè)表內(nèi)的數(shù)據(jù)如下：

（其中平均月薪的計(jì)算是簡(jiǎn)單地通過區(qū)間中位數(shù)*薪期/12得到，如8k-10k*16薪，則平均月薪為12000.

三、數(shù)據(jù)導(dǎo)入

只需要導(dǎo)入每一個(gè)表格中的職位名稱和平均月薪列。

import pandas as pd
city8_fullname = ['北京','重慶','武漢','深圳','南京','廣州','成都','上海']
job_type = ['數(shù)據(jù)分析師','數(shù)據(jù)挖掘工程師','算法工程師']
salary_dic = {}
for i in range(len(city8_fullname)):
    df = pd.DataFrame(pd.read_excel('./Boss直聘數(shù)據(jù)-八個(gè)城市/Boss直聘-'+city8_fullname[i]+'.xls'))
    salary_dic[city8_fullname[i]] = df[['職位名稱','平均月薪']]
    salary_dic[city8_fullname[i]]['城市'] = pd.Series([city8_fullname[i]]*df.shape[0])
## 整合成畫圖需要的格式
salary = salary_dic[city8_fullname[0]]
for i in range(1,8):
    salary = pd.concat([salary,salary_dic[city8_fullname[i]]],ignore_index="true")

得到的數(shù)據(jù)結(jié)構(gòu)為：

四、畫圖

這里，我們使用的是python語(yǔ)言，借助seaborn包完成。

 
import matplotlib.pyplot as plt
import seaborn as sns
 
# 中文與正負(fù)號(hào)顯示設(shè)置
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# Draw
plt.figure(figsize=(14,8), dpi= 100)
sns.boxplot(x='城市', y='平均月薪', data=salary, hue='職位名稱')
sns.stripplot(x='城市', y='平均月薪', data=salary, color='black', size=2, jitter=1)
for i in range(len(salary['城市'].unique())-1):
    plt.vlines(i+.5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)
plt.title('八大城市對(duì)口專業(yè)薪資分布', fontsize=20)
plt.legend(title='職位類型')
plt.xticks(fontsize=14)
plt.xlabel('城市',fontsize=16)
plt.ylabel('平均月薪',fontsize=16)
plt.yticks(fontsize=14)
plt.savefig(r'./繪圖結(jié)果/薪資-薪資分布-箱線圖.png')

sns.stripplot------用于畫分布散點(diǎn)圖（如果是大樣本的話不適用，但有一種一半密度一半箱型的類別，可以避免散點(diǎn)覆蓋的情況）

plt.vlines-----畫輔助線

hue-----可以理解為有多少組，在這里相當(dāng)于出去城市外的第二個(gè)維度的分類。

結(jié)果圖為：