python里如何画箱线图

在Python中，可以通过使用matplotlib、seaborn和pandas等数据可视化库来绘制箱线图。具体方法包括引入相关库、准备数据、创建图形对象、绘制箱线图、添加图形元素等几个步骤。

导入必要的库是绘制箱线图的第一步。常用的库包括matplotlib和seaborn，其中matplotlib是一个基础的绘图库，seaborn则是在其基础上进行封装和扩展，更加易于使用和美观。以下是详细描述如何使用这些库来绘制箱线图的方法。

一、使用Matplotlib绘制箱线图

1、导入必要的库

在开始绘制箱线图之前，需要导入必要的库。matplotlib是Python中最常用的绘图库，而numpy和pandas则常用于数据处理。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

2、准备数据

接下来，需要准备绘制箱线图所需的数据。可以使用numpy生成随机数据，或者从CSV文件中读取数据。

# 使用numpy生成随机数据
np.random.seed(10)
data = np.random.normal(100, 10, 200)
或者从CSV文件中读取数据
data = pd.read_csv('data.csv')['column_name']

3、创建图形对象

创建一个图形对象，并设置图形的大小和分辨率。

plt.figure(figsize=(10, 6), dpi=80)

4、绘制箱线图

使用boxplot函数绘制箱线图，并设置相关参数。

plt.boxplot(data, patch_artist=True, notch=True, vert=True)
设置图形的标题和轴标签
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

5、添加图形元素

可以通过设置参数和添加图形元素来美化箱线图。

plt.boxplot(data, patch_artist=True, notch=True, vert=True,
            boxprops=dict(facecolor='lightblue', color='blue'),
            medianprops=dict(color='red'),
            whiskerprops=dict(color='blue'),
            capprops=dict(color='blue'))
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
plt.show()

二、使用Seaborn绘制箱线图

1、导入必要的库

同样，需要导入seaborn和pandas库。

import seaborn as sns
import pandas as pd

2、准备数据

可以使用pandas生成DataFrame数据，或者从CSV文件中读取数据。

# 使用pandas生成随机数据
np.random.seed(10)
data = pd.DataFrame({
    'Category': np.random.choice(['A', 'B', 'C'], size=200),
    'Values': np.random.normal(100, 10, 200)
})
或者从CSV文件中读取数据
data = pd.read_csv('data.csv')

3、创建图形对象

设置图形的大小和分辨率。

plt.figure(figsize=(10, 6), dpi=80)

4、绘制箱线图

使用seaborn的boxplot函数绘制箱线图，并设置相关参数。

sns.boxplot(x='Category', y='Values', data=data, palette='Set3')
设置图形的标题和轴标签
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

5、添加图形元素

可以通过设置参数和添加图形元素来美化箱线图。

sns.boxplot(x='Category', y='Values', data=data, palette='Set3',
            boxprops=dict(facecolor='lightblue', color='blue'),
            medianprops=dict(color='red'),
            whiskerprops=dict(color='blue'),
            capprops=dict(color='blue'))
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
plt.show()

三、使用Pandas绘制箱线图

1、导入必要的库

需要导入pandas和matplotlib库。

import pandas as pd
import matplotlib.pyplot as plt

2、准备数据

可以使用pandas生成DataFrame数据，或者从CSV文件中读取数据。

# 使用pandas生成随机数据
np.random.seed(10)
data = pd.DataFrame({
    'Category': np.random.choice(['A', 'B', 'C'], size=200),
    'Values': np.random.normal(100, 10, 200)
})
或者从CSV文件中读取数据
data = pd.read_csv('data.csv')

3、创建图形对象

设置图形的大小和分辨率。

plt.figure(figsize=(10, 6), dpi=80)

4、绘制箱线图

使用pandas的boxplot函数绘制箱线图，并设置相关参数。

data.boxplot(column='Values', by='Category', patch_artist=True, notch=True)
设置图形的标题和轴标签
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

5、添加图形元素

可以通过设置参数和添加图形元素来美化箱线图。

box = data.boxplot(column='Values', by='Category', patch_artist=True, notch=True)
for patch in box['boxes']:
    patch.set(facecolor='lightblue', color='blue')
for median in box['medians']:
    median.set(color='red')
for whisker in box['whiskers']:
    whisker.set(color='blue')
for cap in box['caps']:
    cap.set(color='blue')
plt.title('Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
plt.show()

四、箱线图的解释

1、基本概念

箱线图，也称为盒须图，是一种用于显示数据分布的统计图形。它显示数据的五个概要统计量：最小值、第一四分位数、中位数、第三四分位数和最大值。箱线图通过箱体和须来展示数据的分布情况，能够有效地发现数据中的离群值和异常值。

2、解读箱线图

箱体：箱体的上下边分别表示第一四分位数（Q1）和第三四分位数（Q3），箱体内的数据分布在25%到75%之间。
中位数：箱体内的横线表示中位数（Q2），它将数据分为两部分，各占50%。
须：须从箱体的上下边延伸，分别表示数据的最小值和最大值（不包括离群值）。
离群值：离群值是超出须之外的数据点，通常用圆点或星号表示。

3、箱线图的优势

简单直观：箱线图能够直观地展示数据的分布情况、集中趋势和离群值。
比较多组数据：箱线图可以同时展示多组数据，方便比较不同数据集的分布情况。
发现异常值：箱线图能够有效地发现数据中的离群值和异常值，为数据分析提供参考。

五、箱线图的应用场景

1、数据探索性分析

箱线图常用于数据探索性分析，帮助分析人员快速了解数据的分布情况、集中趋势和离群值。通过箱线图，可以发现数据中的异常值，判断数据的对称性和离散程度，为后续的数据处理和分析提供参考。

2、多组数据比较

箱线图可以同时展示多组数据的分布情况，方便比较不同数据集的分布特征和集中趋势。在统计分析和实验设计中，箱线图常用于比较不同实验组或处理组的数据结果，判断不同组之间的差异和显著性。

3、数据质量评估

箱线图能够展示数据中的离群值和异常值，帮助分析人员评估数据的质量。通过箱线图，可以发现数据中的异常值和错误数据，判断数据的完整性和准确性，为数据清洗和处理提供依据。

4、风险评估与决策支持

在金融、保险和风险管理等领域，箱线图常用于风险评估和决策支持。通过箱线图，可以展示不同投资组合、保险产品或风险因素的数据分布情况，判断风险的集中趋势和离散程度，为风险评估和决策提供参考。

六、箱线图的扩展应用

1、分组箱线图

分组箱线图用于展示不同组别的数据分布情况，方便比较不同组之间的差异。可以通过设置分组变量，绘制多组箱线图，展示不同组别的数据分布特征。

import seaborn as sns
import pandas as pd
生成随机数据
np.random.seed(10)
data = pd.DataFrame({
    'Group': np.random.choice(['G1', 'G2', 'G3'], size=200),
    'Category': np.random.choice(['A', 'B', 'C'], size=200),
    'Values': np.random.normal(100, 10, 200)
})
绘制分组箱线图
plt.figure(figsize=(10, 6), dpi=80)
sns.boxplot(x='Category', y='Values', hue='Group', data=data, palette='Set3')
设置图形的标题和轴标签
plt.title('Grouped Box Plot of Data')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

2、带抖动的箱线图

带抖动的箱线图用于展示箱线图与散点图的结合，通过在箱线图上添加抖动的散点，展示数据点的分布情况。可以使用seaborn的stripplot函数在箱线图上添加抖动的散点。

import seaborn as sns
import pandas as pd
生成随机数据
np.random.seed(10)
data = pd.DataFrame({
    'Category': np.random.choice(['A', 'B', 'C'], size=200),
    'Values': np.random.normal(100, 10, 200)
})
绘制带抖动的箱线图
plt.figure(figsize=(10, 6), dpi=80)
sns.boxplot(x='Category', y='Values', data=data, palette='Set3')
sns.stripplot(x='Category', y='Values', data=data, color='red', jitter=True, alpha=0.5)
设置图形的标题和轴标签
plt.title('Box Plot with Jittered Strip Plot')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

3、带分位数的箱线图

带分位数的箱线图用于展示数据的多个分位数，通过在箱线图上添加多个分位数线，展示数据的详细分布情况。可以使用seaborn的violinplot函数在箱线图上添加多个分位数线。

import seaborn as sns
import pandas as pd
生成随机数据
np.random.seed(10)
data = pd.DataFrame({
    'Category': np.random.choice(['A', 'B', 'C'], size=200),
    'Values': np.random.normal(100, 10, 200)
})
绘制带分位数的箱线图
plt.figure(figsize=(10, 6), dpi=80)
sns.violinplot(x='Category', y='Values', data=data, palette='Set3', inner='quartile')
设置图形的标题和轴标签
plt.title('Box Plot with Quartiles')
plt.xlabel('Category')
plt.ylabel('Values')
显示图形
plt.show()

七、箱线图的注意事项

1、数据量的影响

箱线图适用于中等规模的数据集，对于数据量较小或较大的数据集，箱线图的效果可能会受到影响。对于数据量较小的数据集，箱线图可能无法展示数据的真实分布情况；对于数据量较大的数据集，箱线图可能会出现过多的离群值，影响图形的可读性。

2、数据分布的影响

箱线图假设数据呈现对称分布，对于非对称分布的数据，箱线图可能无法准确展示数据的分布情况。在绘制箱线图之前，可以通过绘制直方图或密度图，判断数据的分布情况，选择合适的绘图方法。

3、离群值的处理

箱线图能够展示数据中的离群值，但离群值可能会对箱线图的效果产生影响。在绘制箱线图之前，可以对数据中的离群值进行处理，如删除、替换或标记离群值，保证箱线图的效果和可读性。

4、图形参数的设置

箱线图的效果和美观性与图形参数的设置密切相关。在绘制箱线图时，可以根据数据的特点和需求，设置合适的图形参数，如颜色、线条样式、图形大小等，提升箱线图的效果和可读性。

八、总结

箱线图是数据分析中常用的统计图形，能够直观地展示数据的分布情况、集中趋势和离群值。在Python中，可以通过使用matplotlib、seaborn和pandas等数据可视化库，方便地绘制箱线图。箱线图广泛应用于数据探索性分析、多组数据比较、数据质量评估和风险评估等领域。通过合理设置图形参数和处理数据中的离群值，可以提升箱线图的效果和可读性。希望通过本文的介绍，能够帮助读者掌握如何在Python中绘制箱线图，为数据分析和可视化提供参考。