Python箱型图如何显示点数据

Python箱型图可以通过设置参数显示点数据、使用 seaborn 库、利用 matplotlib 库

箱型图（Boxplot）是数据可视化中一种常见的工具，用于展示数据的分布情况。Python 提供了多种方式来绘制箱型图，并且可以通过设置参数来显示点数据。下面将详细介绍如何在 Python 中绘制箱型图并显示数据点。

一、使用 Matplotlib 和 Seaborn 绘制箱型图并显示点数据

1、Matplotlib 绘制箱型图

Matplotlib 是 Python 中最常用的绘图库之一。我们可以使用 Matplotlib 绘制箱型图，并且通过设置 flierprops 参数来显示数据点。

import matplotlib.pyplot as plt
import numpy as np
生成一些随机数据
np.random.seed(10)
data = np.random.normal(100, 20, 200)
绘制箱型图
plt.boxplot(data, flierprops=dict(marker='o', color='r', alpha=0.5))
plt.title('Boxplot with Matplotlib')
plt.show()

在上面的代码中，flierprops 参数用于设置异常值的样式。marker 参数设置点的形状，color 参数设置点的颜色，alpha 参数设置点的透明度。

2、Seaborn 绘制箱型图

Seaborn 是基于 Matplotlib 的高级绘图库，提供了更为简洁和美观的绘图接口。我们可以使用 Seaborn 来绘制箱型图，并显示数据点。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
生成一些随机数据
np.random.seed(10)
data = np.random.normal(100, 20, 200)
绘制箱型图
sns.boxplot(data, whis=1.5)
sns.stripplot(data, jitter=True, color='r', alpha=0.5)
plt.title('Boxplot with Seaborn')
plt.show()

在上面的代码中，我们首先使用 sns.boxplot 绘制箱型图，然后使用 sns.stripplot 绘制数据点。jitter 参数用于设置点的抖动，color 参数设置点的颜色，alpha 参数设置点的透明度。

二、绘制多组数据的箱型图

有时候，我们需要对比多组数据的分布情况。我们可以使用 Matplotlib 或 Seaborn 绘制多组数据的箱型图，并显示数据点。

1、Matplotlib 绘制多组数据的箱型图

import matplotlib.pyplot as plt
import numpy as np
生成一些随机数据
np.random.seed(10)
data1 = np.random.normal(100, 20, 200)
data2 = np.random.normal(90, 15, 200)
data3 = np.random.normal(80, 10, 200)
data = [data1, data2, data3]
绘制箱型图
plt.boxplot(data, flierprops=dict(marker='o', color='r', alpha=0.5))
plt.title('Multiple Boxplots with Matplotlib')
plt.show()

在上面的代码中，我们将多组数据存储在一个列表中，并传递给 plt.boxplot 函数进行绘图。

2、Seaborn 绘制多组数据的箱型图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
生成一些随机数据
np.random.seed(10)
data1 = np.random.normal(100, 20, 200)
data2 = np.random.normal(90, 15, 200)
data3 = np.random.normal(80, 10, 200)
构建 DataFrame
data = pd.DataFrame({
    'Group': ['A']*200 + ['B']*200 + ['C']*200,
    'Value': np.concatenate([data1, data2, data3])
})
绘制箱型图
sns.boxplot(x='Group', y='Value', data=data, whis=1.5)
sns.stripplot(x='Group', y='Value', data=data, jitter=True, color='r', alpha=0.5)
plt.title('Multiple Boxplots with Seaborn')
plt.show()