打开《Python 可视化数据分析》_学会挖掘大数据的价值

打开《Python 可视化数据分析》_学会挖掘大数据的价值_5.6 绘制箱线图

【摘要】本书摘自《Python网络爬虫从入门到精通》一书中第5章，第6节，李迎著。

5.6 绘制箱线图

箱线图，也称为箱形图(boxplot), 在这种类型的图中明显呈现一组数据中的最大、最小值，以及第一四分位数、中位数、第三四分位数等统计学的量，这样就可以中途看到所分析的不同类别数据平均水平差异(需在箱线图中加入均值点),还能揭示数据间离散程度、异常值、分布差异等。箱线图中间的直线表示中位数，图中上下两端延伸出去的直线表示分析数据中的最大和最小值。在 Matplotlib 中用方法

boxplot()来绘制箱线图。

示例1:

打开《Python 可视化数据分析》_学会挖掘大数据的价值_5.6 绘制箱线图

1 import numpy as np

2 import matplotlib.pyplot as plt

3 import pandas as pd

4 np.random.seed(2)

5 df=pd.DataFrame(np.random,rand(5,4)),

6 columns=[ 'A', 'B', 'C', 'D' ])

7 df.boxplot()

8 plt.show()

这说明在B列的数据中，多数值都比均值高，少数值比均值低，但这些少数值又和多数值差异很大；反之 A 、C 列数据，多数值都比均值低，少数值比均值高，但少数值又很大。第1～3行是导入需要的库，第4行是设置要生成的随机维度数组的范围是0～1,即设置随机种子。第5行借助 numpy库的 DataFrame 数据结构生成 5行4列数据，第6行是对5行4列数据的列标签的设置，先生成0～1之间的5×4 维度数据，再装入4列 DataFrame中。第7行是箱体的绘图函数，参数均为默认，也可以使用 plot.box(), 生成分析图形如图5-19所示。

从图形可以看出，A、B、C、D四组数A 、D数据较集中(大部分在上下四分位箱体内),但都有异常值(图中小圆点),C的离散程度最大(最大值与最小值之间距离)。以均值为中心， B 分布都有明显右偏(即较多的值分布在均值的右侧),A、C 则有明显左偏。

示例2:

在这个代码中我们对本地固定存储的“学生数据.csv”数据进行读取分析绘图。1 import pandas as pd

2 import matplotlib.pyplot as plt

3 data=pd.read_csv('学生数据.csv')

4 plt.rcParams['font.sans-serif']='Microsoft YaHei'

5 plt.rcParams['axes.unicode_minus']=False

6 plt.boxplot(x=data.nl,

patch_artist =True,

showmeans=True,

boxprops={'color':'black','facecolor':'#9999ff'

flierprops={'marker':'o','markerfacecolor':'red','color': 'black'},

meanprops={'marker':'D','markerfacecolor':'indianred'},

medianprops={ 'linestyle': '--','color': 'orange '})

7 plt.ylim(0,65)

8 plt.tick_params(top='off', right=' off' )

9 plt.show()

在这9行代码中第1～2行是导入需要的库，第3行是利用 pandas读取 csv数据，在这里说明一下，pandas 真是一个非常好用的科学计算的库，而且访问数据非常便捷。第4～5行是对中文和负号正常显示的设置。第6行画图函数，其中参数x 是利用 pandas读取的 csv 数据， patch_artist=True, 要求用自定义颜色填充盒形图，默认白色填充，这里就是默认值。showmeans=True 表示以点的形式显示均值。boxprops 是设置箱体属性，即填充色和边框色，flierprops 是设置异常值属性，即点的形状、填充色和边框色，meanprops 是设置均值点的属性，即点的形状、填充色。medianprops 设置中位数线的属性，即线的类型和颜色，第7行是设置y 轴的范围。第 8 行是去除箱线图的上边框与右边框的刻度标签，所绘分析图如图5- 21所示。从箱体图中可以看到，没有异常值，数据的离散程度比较合适，差异不是很大。