python箱式图,python绘制箱形图

　　最近接触了kaggle的竞赛实例，实践了一下，觉得受益匪浅。与此同时，我的脑海中出现了一个问题。拿到数据后的第一件事是什么？数据的分析？怎么分析？分析后的数据如何处理？等等一些数据分析工作。其中，条形图、直方图、散点图、曲线图的用处大家可能都心知肚明，但是箱线图呢？(或盒须画)。他的意义是什么？在python中是如何实现的？

　　所以今天打开了好心的猎豹老师的书《统计学》，琢磨了一下午，参考了各大网友的博客，所以在这里做个总结。

　　箱线图：从字面上看，就是盒子的图，如下图：

　　箱形图有五个参数：

　　下边缘(Q1)表示最小值；

　　下四分位数(Q2)，又称“第一四分位数”，等于样本中所有数值从小到大排列后的第25%数；

　　中位数(Q3)，又称“第二个四分位数”，等于样本中所有数值由小到大排列后的50%数；

　　上四分位数(Q4)，也称为“第三四分位数”，等于样本中按降序排列的所有值的第75个百分位数；

　　上边(Q5)表示最大值。

　　第三个四分位数和第一个四分位数之间的差距也称为四分位数间距。

　　那为什么要引入方框图呢？这里有一篇博文。箱线图分析。

　　1.以反映原始数据的分布情况，如数据的散度和偏斜度。看《统计学》这本书的插图。

　　从图中我们可以直观的看到，如果箱线图的中位数和上四分位数之间的距离较窄，那么这个距离内的数据会比较集中，如果箱线图的上(下)边较长，那么对应曲线图的尾部也会较长。

　　2.箱线图有检测这组数据中是否有异常值的功能。异常值在哪里？超出了上边缘和下边缘的范围。(这个我也不太了解。总的感觉是和正态分布有一腿。)

　　3.可以直观的对比多组数据的情况。还是《统计学》里的例子。

　　多组结果的方框图如下：

　　从这个图中，我们可以直观地看到以下信息：

　　1.所有科目中，英语和西方经济学平均分比较高，统计学和基础会计平均分比较低。(以中位数衡量，总体比较稳定)

　　2.英语、市场营销、西方经济学、计算机应用基础、财务管理的分数比较集中，因为箱子短。而经济数学、基础会计、统计学的分数比较分散，可以通过对比考试成绩来确认。

　　3.从每个箱线图的中位数和上下四位数的距离也可以看出，英语和营销分数的分布是非常对称的，但是统计呢？大多数数据分布在70到85个点上(中位数到上四分位数)。同样，从成绩单上的数据也可以得到证实。

　　4.《计算机应用基础》对应的方框图有一个异常点。我们回去看看成绩单吧。在计算机一栏，有个计算机大牛(但愿是我)考了95分，比第二名多了10分。而其他同学的分数整体在80分左右。

　　5。其实我们也可以知道，用平均值来衡量整体情况有时是不合理的，用中值更稳定，因为中值不会受极值影响，而平均值会受极值影响很大。

　　那么如何用python画方框图呢？

　　我用的是python 3，anaconda平台。主要模块有matplotlib，pandas，numpy。

　　#首先导入基本绘图包

　　将matplotlib.pyplot作为plt导入

　　将numpy作为np导入

　　进口熊猫作为pd

　　#添加评分表

　　plt.style.use(ggplot )

　　PLT . RC params[ axes . unicode _ MINUS ]=False

　　PLT . RC params[ font . sans-serif ]=[ sim hei ]

　　#创建一个空的数据帧。

　　df=pd。数据帧()

　　#添加抄本，最后显示抄本表单。

　　Df[英语]=[76，90，97，71，70，93，86，83，78，85，81]

　　Df[经济数学]=[65，95，51，74，78，63，91，82，75，71，55]

　　Df[西方经济学]=[93，81，76，88，66，79，83，92，78，86，78]

　　Df[计算机应用基础]=[85，78，81，95，70，67，82，72，80，81，77]

　　df

　　#使用matplotlib绘制箱线图

　　plt.boxplot(x=df.values，labels=df.columns，whis=1.5)

　　plt.show()

　　#用熊猫自己的画图工具更快。

　　df.boxplot()

　　plt.show()

　　好吧！今天的箱线图到此为止。下次拿到数据的时候记得分析数据的分布和数据之间的关系，尤其是通过可视化的手段。

　　最后，欢迎讨论批评！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。