Python实现画箱线图展示数据分布情况
目录
- python画箱线图展示数据分布情况
- 构成要素
- 使用场景
- 自定义箱线图
- 总结
Python画箱线图展示数据分布情况
箱线图(Boxplot)是一种常用的统计图表,用于展示数据的分布情况。
它由五个统计量组成:
最小值、第一四分位数(Q1)、中位数(Q2)、第三四分位数(Q3)和最大值。
通过这些统计量,可以直观地了解数据的集中趋势、离散程度以及是否存在异常值。
构成要素
1.中位数(Q2):
- 箱线图中的中间线代表数据的中位数,即将数据按大小排列后中间位置的数值。
2.四分位数(Q1和Q3):
- 箱体的上边界(Q3)和下边界(Q1)分别表示数据的第三四分位数和第一四分位数。
- 箱子的高度即为四分位距(IQR),是Q3和Q1的差值,用来衡量数据的离散程度。
3.盒须:
- 箱体外部的直线(盒须)延伸至数据集的最大值和最小值,用来显示非异常值的范围。
- 盒须外部的点表示可能的异常值,即相对于主体数据分布偏离较大的数据点。
4.异常值:
- 在盒须外部的点表示可能存在的异常值,即与其他数据点相比显著偏离的数据。
使用场景
箱线图常用于以下情况:
- 数据分布比较:可以同时比较多组数据的分布情况,帮助观察各组数据的中位数、四分位数和离散程度。
- 异常值检测:通过观察箱体外部的点,可以快速发现可能的异常值或离群点。
- 数据分散度分析:箱体的长度和位置反映了数据的分散程度,有助于对数据的离散程度进行比较。
# 创建示例数据 data = { 'Group': ['A'] * 11 + ['B'] * 10 + ['C'] * 10, 'Value': [23, 25, 19, 21, 24, 27, 22, 20, 21, 24, -1, # Group A 30, 28, 36, 31, python34, 29, 35, 33, 32, 30, # Group B 15, 17, 14, 16, 13, 18, 14, 15, 17, 16] # Group C } # 转换为 DataFrame df = pd.DataFrame(data) # 设置绘图风格 sns.set(style="whitegrid") # 绘制箱线图 plt.figure(figsize=(10, 6)) sns.boxplot(x='Group', y='Value', dapythonta=df) # 添加标题和标签 plt.title('Box http://www.devze.comPlot of Three Groups') plt.xlabel('Group') plt.ylabel('Value') # 显示图表 # plt.show() plt.savefig('./boxPlot_seaborn.png')
- 中位数(箱体内部的横线):每个组的数据中间值。
- 四分位数(箱体js的上下边缘):分别表示25%和75%的数据点。
- 最小值和最大值(盒须的末端):除去异常值后数据的范围。
- 异常值(箱体外的点):与其他数据点相距较远的数值。
自定义箱线图
print('自定义箱线图') # 示例数据 data = [ {'Min': 10, '50%': 50, 'Mean': 55, '95%': 90, '99%': 97, 'Max': 100}, {'Min': 20, '50%': 60, 'Mean': 65, '95%': 85, '99%': 92, 'Max': 95}, {'Min': 5, '50%': 40, 'Mean': 45, '95%': 80, '99%': 88, 'Max': 90} ] # 准备箱线图数据 box_data = [] means = [] positions = [] for i, d in enumerate(data): box_data.append([d['Min'], d['50%'], d['95%'], d['99%'], d['Max']]) means.append(d['Mean']) positions.append(i + 1) # 创建图形 fig, ax = plt.subplots() # 绘制箱线图主体 ax.boxplot(box_data, vert=False, positions=positions, patch_artist=True, showmeans=False, meanline=True, widths=0.6) # 添加均值点 for i, mean in enumerate(means): ax.plot(mean, positions[i], 'ro') # 设置轴标签 ax.set_yticks(np.arange(1, len(data) + 1)) ax.set_yticklabels([f'Data {i + 1}' for i in range(len(data))]) # 添加标题和标签 plt.title('Custom Box Plot with Multiple Data Sets') plt.xlabel('Value') # 显示图形 plt.show() plt.savefig('./boxPlot_auto.png')
print('自定义箱线图') plt.clf() # 清除当前图形内容 # 数据 # Min、50%、Mean、95%、99%、Max data = [ {'data1':[10,50,44,90,97,100]}, {'data2':[20,60,65,85,92,95]}, {'data3':[5,40,45,80,88,90]} ] # 准备箱线图数据 box_data = [d[list(d.keys())[0]] for d in data] # 提取数据 labels = [list(d.keys())[0] for d in data] means = [d[list(d.keys())[0]][2] for d in data] # 创建图形 fig, ax = plt.subplots() # 绘制箱线图主体 bp = ax.boxplot(box_data, vert=False, patch_artist=True, showmeans=True,meanline=True) # 添加均值点 for i, mean in enumerate(means): ax.plot(mean, i+1, 'ro') # 设置轴标签 ax.set_yticklabels(labels) # 添加标题和标签 plt.title('Custom Box Plot with Multiple Data Sets') plt.xlabel('Value') # 显示图形 # plt.show() plt.savphpefig('./boxPlot_auto.png')
box_data
提供了要绘制的数据。vert=False
表示绘制水平的箱线图。patch_artist=True
使得箱线图的箱体部分被填充颜色。showmeans=True
在箱线图中显示均值。meanline=True
用线条表示均值。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程客栈(www.devze.com)。
精彩评论