基于Python matplotlib庫(kù)繪制箱線圖

更新時(shí)間：2022年04月13日 15:08:51 作者：侯小啾

這篇文章主要為大家分享了如何利用Python中的matplotlib庫(kù)實(shí)現(xiàn)繪制箱線圖與異常值的輸出，文中的示例代碼講解詳細(xì)，需要的可以參考一下

1. 關(guān)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(duì)穩(wěn)定的方式描述數(shù)據(jù)離散分布情況，識(shí)別數(shù)據(jù)中的異常值。

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

該方法的主要參數(shù)如下

參數(shù)	描述
x	要繪制箱線圖的數(shù)據(jù)
notch	是否以凹凸形式展現(xiàn)箱線圖，默認(rèn)為非凹凸
sym	指定異常點(diǎn)的形狀，默認(rèn)為加號(hào)（+）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(rèn)為1.5倍的四分位差
position	指定箱型圖的位置。默認(rèn)為[0, 1, 2]
widths	指定箱型圖的寬度，默認(rèn)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(rèn)用點(diǎn)的形式來(lái)表示。showmeans為True時(shí)這個(gè)參數(shù)才有意義
showmeans	是否顯示均值，默認(rèn)不顯示
showcaps	是否顯示箱線圖頂端和末端的兩條線。默認(rèn)是不顯示的
showbox	是否顯示箱體，默認(rèn)顯示
showfliers	是否顯示異常值，默認(rèn)顯示
boxprops	設(shè)置箱體的屬性，如邊框色、填充色等。patch_artist為True時(shí)填充箱體顏色(facecolor鍵)才有效
medianprops	設(shè)置中位數(shù)的屬性，如線的類型、粗細(xì)等
meanprops	設(shè)置均值的屬性，如點(diǎn)的大小顏色等
capprops	設(shè)置箱型圖頂端和末端線條的屬性，如顏色、粗細(xì)等
whiskerprops	設(shè)置須的屬性。如顏色、粗細(xì)、線的類型等

2. 繪制一幅簡(jiǎn)單的箱線圖

使用隨機(jī)數(shù)種子隨機(jī)生成三組隨機(jī)但固定的數(shù)據(jù)。以用來(lái)繪制三個(gè)箱線個(gè)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(shù)據(jù)中，修改了一下數(shù)據(jù)。上邊隨機(jī)產(chǎn)生的數(shù)據(jù)因?yàn)檩^為均勻，所以很難產(chǎn)生異常值，達(dá)不到箱線圖的預(yù)期展示效果。

使用 * 符號(hào)來(lái)標(biāo)記異常值。并使用線來(lái)標(biāo)出每組數(shù)據(jù)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(gè)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(zhí)行效果如下：

4. 異常值的標(biāo)準(zhǔn)

通過(guò)whis參數(shù)可以修改判斷異常值的標(biāo)準(zhǔn)。默認(rèn)將不在【均值±1.5倍四分位差】范圍內(nèi)的判斷為異常值。

在上述代碼的基礎(chǔ)上稍作修改：

設(shè)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(gè)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(jié)果中已經(jīng)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(xiàn)在了讀者眼前。當(dāng)然，做數(shù)據(jù)分析時(shí)僅僅這樣是不夠的，通常還需要對(duì)數(shù)據(jù)進(jìn)行處理，如去除。

下邊的python代碼來(lái)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(gè)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(jì)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)])