Python怎么使用plt.boxplot()函数绘制箱图

发布时间：2022-08-13 09:59:40 作者：iii
来源：亿速云阅读：239

Python怎么使用plt.boxplot()函数绘制箱图

引言

在数据分析和可视化中，箱图（Box Plot）是一种常用的统计图表，用于展示数据的分布情况。箱图能够直观地显示数据的中位数、四分位数、异常值等信息，因此在数据探索和异常值检测中非常有用。Python中的Matplotlib库提供了plt.boxplot()函数，可以方便地绘制箱图。本文将详细介绍如何使用plt.boxplot()函数绘制箱图，并通过多个示例展示其应用。

1. 箱图的基本概念

在介绍plt.boxplot()函数之前，我们先来了解一下箱图的基本概念。

1.1 箱图的组成部分

箱图通常由以下几个部分组成：

中位数（Median）：箱图中的一条线，表示数据的中位数。
四分位数（Quartiles）：箱图的主体部分由两个四分位数组成，分别是第一四分位数（Q1）和第三四分位数（Q3）。Q1是数据中25%的值小于或等于它的值，Q3是数据中75%的值小于或等于它的值。
箱体（Box）：由Q1和Q3之间的区域组成，表示数据的中间50%范围。
须（Whiskers）：从箱体延伸出的两条线，表示数据的分布范围。通常，须的长度为1.5倍的四分位距（IQR，即Q3 - Q1）。
异常值（Outliers）：位于须之外的数据点，通常被认为是异常值。

1.2 箱图的优点

直观展示数据分布：箱图能够清晰地展示数据的中位数、四分位数和异常值，帮助分析者快速了解数据的分布情况。
异常值检测：通过箱图可以很容易地识别出数据中的异常值。
多组数据比较：箱图可以同时展示多组数据的分布情况，便于比较不同组之间的差异。

2. Matplotlib库简介

Matplotlib是Python中最常用的数据可视化库之一，提供了丰富的绘图功能。plt.boxplot()函数是Matplotlib库中用于绘制箱图的函数。在使用plt.boxplot()之前，我们需要先安装并导入Matplotlib库。

2.1 安装Matplotlib

如果你还没有安装Matplotlib库，可以使用以下命令进行安装：

pip install matplotlib

2.2 导入Matplotlib

在Python脚本或Jupyter Notebook中，我们可以通过以下方式导入Matplotlib库：

import matplotlib.pyplot as plt

3. 使用plt.boxplot()绘制箱图

3.1 基本用法

plt.boxplot()函数的基本用法非常简单，只需要传入一个数据列表即可。以下是一个简单的示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制箱图
plt.boxplot(data)

# 显示图形
plt.show()

运行上述代码后，你将看到一个简单的箱图，展示了数据的分布情况。

3.2 绘制多组数据的箱图

plt.boxplot()函数还可以同时绘制多组数据的箱图。只需要将多组数据放入一个列表中，然后传入plt.boxplot()函数即可。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data1 = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
data2 = [15, 25, 35, 45, 55, 65, 75, 85, 95, 105]
data3 = [5, 15, 25, 35, 45, 55, 65, 75, 85, 95]

# 将多组数据放入一个列表中
data = [data1, data2, data3]

# 绘制箱图
plt.boxplot(data)

# 显示图形
plt.show()

运行上述代码后，你将看到一个包含三组数据的箱图，每组数据分别用不同的箱体表示。

3.3 自定义箱图的样式

plt.boxplot()函数提供了多个参数，可以用于自定义箱图的样式。以下是一些常用的参数：

notch：是否在箱体上显示凹口，默认为False。如果设置为True，则会在箱体上显示一个凹口，用于表示中位数的置信区间。
sym：异常值的显示符号，默认为'b+'（蓝色加号）。可以设置为其他符号，如'ro'（红色圆圈）。
vert：箱图的方向，默认为True（垂直方向）。如果设置为False，则箱图将水平显示。
whis：须的长度，默认为1.5倍的四分位距。可以设置为其他值，如2.0。
positions：箱图的位置，默认为[1, 2, ..., n]。可以自定义箱图的位置。
widths：箱体的宽度，默认为0.5。可以设置为其他值，如0.8。
patch_artist：是否使用填充颜色绘制箱体，默认为False。如果设置为True，则可以使用boxprops参数设置箱体的填充颜色。
boxprops：箱体的属性，如颜色、线宽等。
whiskerprops：须的属性，如颜色、线宽等。
capprops：箱体顶部和底部的线的属性，如颜色、线宽等。
medianprops：中位线的属性，如颜色、线宽等。
flierprops：异常值的属性，如颜色、大小等。

以下是一个自定义箱图样式的示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制箱图
plt.boxplot(data, notch=True, sym='ro', vert=False, whis=2.0, 
            patch_artist=True, boxprops=dict(facecolor='lightblue'),
            whiskerprops=dict(color='green'), capprops=dict(color='red'),
            medianprops=dict(color='black'), flierprops=dict(marker='o', markerfacecolor='yellow'))

# 显示图形
plt.show()

运行上述代码后，你将看到一个自定义样式的箱图，箱体填充了浅蓝色，异常值用黄色圆圈表示，须和箱体顶部的线分别用绿色和红色表示。

3.4 添加标签和标题

在绘制箱图时，我们通常需要为图形添加标签和标题，以便更好地解释数据。可以使用plt.xlabel()、plt.ylabel()和plt.title()函数来添加标签和标题。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制箱图
plt.boxplot(data)

# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有标签和标题的箱图。

3.5 绘制分组箱图

在实际应用中，我们经常需要比较不同组之间的数据分布情况。plt.boxplot()函数可以通过positions参数来绘制分组箱图。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data1 = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
data2 = [15, 25, 35, 45, 55, 65, 75, 85, 95, 105]
data3 = [5, 15, 25, 35, 45, 55, 65, 75, 85, 95]

# 将多组数据放入一个列表中
data = [data1, data2, data3]

# 定义箱图的位置
positions = [1, 2, 4]

# 绘制分组箱图
plt.boxplot(data, positions=positions)

# 添加标签和标题
plt.xlabel('Group')
plt.ylabel('Values')
plt.title('Grouped Box Plot Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个分组箱图，三组数据分别位于位置1、2和4。

3.6 绘制水平箱图

plt.boxplot()函数默认绘制垂直方向的箱图，但可以通过设置vert=False参数来绘制水平方向的箱图。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制水平箱图
plt.boxplot(data, vert=False)

# 添加标签和标题
plt.xlabel('Values')
plt.ylabel('Data')
plt.title('Horizontal Box Plot Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个水平方向的箱图。

3.7 绘制带有异常值的箱图

箱图的一个重要功能是检测异常值。plt.boxplot()函数默认会显示异常值，但可以通过showfliers参数来控制是否显示异常值。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 150]

# 绘制带有异常值的箱图
plt.boxplot(data, showfliers=True)

# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Outliers Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有异常值的箱图，异常值用默认的符号（蓝色加号）表示。

3.8 绘制带有凹口的箱图

plt.boxplot()函数可以通过设置notch=True参数来绘制带有凹口的箱图。凹口用于表示中位数的置信区间。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制带有凹口的箱图
plt.boxplot(data, notch=True)

# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Notched Box Plot Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有凹口的箱图，凹口表示中位数的置信区间。

3.9 绘制带有填充颜色的箱图

plt.boxplot()函数可以通过设置patch_artist=True参数来绘制带有填充颜色的箱图。然后可以使用boxprops参数来设置箱体的填充颜色。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 绘制带有填充颜色的箱图
plt.boxplot(data, patch_artist=True, boxprops=dict(facecolor='lightblue'))

# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Fill Color Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有填充颜色的箱图，箱体填充了浅蓝色。

3.10 绘制带有自定义异常值的箱图

plt.boxplot()函数可以通过flierprops参数来自定义异常值的样式。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 150]

# 绘制带有自定义异常值的箱图
plt.boxplot(data, flierprops=dict(marker='o', markerfacecolor='yellow', markersize=8))

# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Custom Outliers Example')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有自定义异常值的箱图，异常值用黄色圆圈表示。

4. 实际应用示例

4.1 比较不同组的数据分布

假设我们有三组数据，分别表示三个不同产品的销售额。我们可以使用箱图来比较这三组数据的分布情况。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
product1 = [100, 120, 130, 140, 150, 160, 170, 180, 190, 200]
product2 = [110, 130, 140, 150, 160, 170, 180, 190, 200, 210]
product3 = [90, 100, 110, 120, 130, 140, 150, 160, 170, 180]

# 将多组数据放入一个列表中
data = [product1, product2, product3]

# 绘制箱图
plt.boxplot(data, labels=['Product 1', 'Product 2', 'Product 3'])

# 添加标签和标题
plt.xlabel('Product')
plt.ylabel('Sales')
plt.title('Sales Distribution by Product')

# 显示图形
plt.show()

运行上述代码后，你将看到一个比较三个产品销售额分布的箱图。

4.2 检测数据中的异常值

假设我们有一组数据，表示某个产品的日销售额。我们可以使用箱图来检测数据中的异常值。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
sales = [100, 120, 130, 140, 150, 160, 170, 180, 190, 200, 300]

# 绘制箱图
plt.boxplot(sales)

# 添加标签和标题
plt.xlabel('Sales')
plt.ylabel('Values')
plt.title('Sales Distribution with Outliers')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有异常值的箱图，异常值用默认的符号（蓝色加号）表示。

4.3 绘制带有填充颜色的分组箱图

假设我们有两组数据，分别表示两个不同地区的温度。我们可以使用带有填充颜色的分组箱图来比较这两个地区的温度分布情况。以下是一个示例：

import matplotlib.pyplot as plt

# 示例数据
region1 = [10, 12, 14, 16, 18, 20, 22, 24, 26, 28]
region2 = [15, 17, 19, 21, 23, 25, 27, 29, 31, 33]

# 将多组数据放入一个列表中
data = [region1, region2]

# 绘制带有填充颜色的分组箱图
plt.boxplot(data, patch_artist=True, boxprops=dict(facecolor='lightblue'), labels=['Region 1', 'Region 2'])

# 添加标签和标题
plt.xlabel('Region')
plt.ylabel('Temperature')
plt.title('Temperature Distribution by Region')

# 显示图形
plt.show()

运行上述代码后，你将看到一个带有填充颜色的分组箱图，箱体填充了浅蓝色。

5. 总结

本文详细介绍了如何使用Matplotlib库中的plt.boxplot()函数绘制箱图。我们首先介绍了箱图的基本概念和优点，然后通过多个示例展示了plt.boxplot()函数的基本用法和自定义选项。最后，我们通过实际应用示例展示了箱图在数据分析和可视化中的应用。

通过本文的学习，你应该能够熟练使用plt.boxplot()函数绘制各种类型的箱图，并能够根据实际需求自定义箱图的样式。希望本文对你理解和应用箱图有所帮助！

Python怎么使用plt.boxplot()函数绘制箱图

Python怎么使用plt.boxplot()函数绘制箱图

引言

1. 箱图的基本概念

1.1 箱图的组成部分

1.2 箱图的优点

2. Matplotlib库简介

2.1 安装Matplotlib

2.2 导入Matplotlib

3. 使用plt.boxplot()绘制箱图

3.1 基本用法

3.2 绘制多组数据的箱图

3.3 自定义箱图的样式

3.4 添加标签和标题

3.5 绘制分组箱图

3.6 绘制水平箱图

3.7 绘制带有异常值的箱图

3.8 绘制带有凹口的箱图

3.9 绘制带有填充颜色的箱图

3.10 绘制带有自定义异常值的箱图

4. 实际应用示例

4.1 比较不同组的数据分布

4.2 检测数据中的异常值

4.3 绘制带有填充颜色的分组箱图

5. 总结

相关阅读