Python Matplotlib绘制箱线图boxplot()函数详解

目录

• 箱线图
• boxplot(）函数还提供了丰富的自定义选项
• 箱线图通常用在多组数据比较时
• 补充：plt.boxplot()函数绘制箱图、常用方法
• 实战
• 常用方法
• 总结

箱线图

箱线图一般用来展现数据的分布，如上下四分位值、中位数等，也可以直观地展示异常点。Matplotlib提供了boxplot()函数绘制箱线图。

import matplotlib.pyplot as plt
_ = plt.boxplot(range(10))  # 10个数，0-9
plt.show()

箱线图虽然看起来简单，但包含的数据信息非常丰富。在上图中，橙色的线条表示中位数，中间条形的上下边界分别对应上四分位数（75％的数据都小于该值）与下四位分数（25%的数据小于该值），从条形延伸出两条线段，两条线段的终点表示数据的最大值和最小值。

import numpy as np

print(np.median(np.arange(10)))  # 中位数
print(np.percentile(np.arange(10), 25))  # 下4分位数，也叫第1分位数
print(np.percentile(np.arange(10), 75))  # 上4分位数，也叫第3分位数

4.5
2.25
6.75

Process finished with exit code 0

boxplot(）函数还提供了丰富的自定义选项

plt.boxplot(x, notch=None, sym=None, vert=None,
            whis=None, positions=None, widths=None,
            patch_artist=None, meanline=None, showmeans=None,
            showcaps=None, showbox=None, showfliers=None,
            boxprops=None, labels=None, flierprops=None,
            medianprops=None, meanprops=None,
            capprops=None, whiskerprops=None)

● x ：绘图数据。

● notch ：是否以凹口的形式展现箱线图，默认非凹口。

● sym：指定异常点的形状，默认为＋号显示。

● vert ：是否需要将箱线图垂直放，默认垂直放。

● whis ：指定上下须与上下四分位的距离，默认为1.5倍的四分位差。

● positions ：指定箱线图位置，默认为［0,1,2.…]。

● widths ：指定箱线图宽度，默认为0.5。

● patch _ artist ：是否填充箱体的颜色。

● meanline ：是否用线的形式表示均值，默认用点表示。

● showmeans ：是否显示均值，默认不显示。

● showcaps ：是否显示箱线图顶端和末端两条线，默认显示。

● showbox ：是否显示箱线图的箱体，默认显示。

● showfliers ：是否显示异常值，默认显示。

● boxprops ：设置箱体的属性，如边框色、填充色等。

● labels ：为箱线图添加标签，类似于图例的作用。

● filerprops ：设置异常值的属性，如异常点的形状、大小、填充色等。

● medianprops :设置中位数的属性，如线的类型、粗细等。

● meanprops :设置均值的属性，如点的大小、颜色等。

● capprops ：设置箱线图顶端和末端线条的属性，如颜色、粗细等。

● whiskerprops ：设置须的属性，如颜色、粗细、线的类型等。

箱线图通常用在多组数据比较时

下面代码展示了3组简单数据的箱线图，添加凹口、均值点、颜色以及每组的标签。

import matplotlib.pyplot as plt

a = plt.boxplot([range(10), range(20), range(30)],
                patch_artist=True,
                boxprops={'color': 'blue'},
                notch=True, showmeans=True,
                labels=['A', 'B', 'C'])
plt.show()

补充：plt.boxplot()函数绘制箱图、常用方法

实战

def plt_box_iamge(df):
    """
    snrr的五个范围为[5,10)、[10,15)、[15,20)、[20,30)、[30-)，按照五个snrr范围计算对应redchi的箱图
    :param df:包含snrr以及redchi的csv数据（dataFrame）。
    :return:
    """
    # 根据snrr范围对redchi进行筛选。
    df1 = df.loc[df['lam_snrr'] >= 5]
    redchi_1 = df1.loc[df1['lam_snrr'] < 10].redchi

    df2 = df.loc[df['lam_snrr'] >= 10]
    redchi_2 = df2.loc[df2['lam_snrr'] < 15].redchi

    df3 = df.loc[df['lam_snrr'] >= 15]
    redchi_3 = df3.loc[df3['lam_snrr'] < 20].redchi

    df4 = df.loc[df['lam_snrr'] >= 20]
    redchi_4 = df4.loc[df4['lam_snrr'] < 30].redchi

    redchi_5 = df.loc[df['lam_snrr'] >= 30].redchi
    # 绘图
    ax = plt.subplot()
    ax.boxplot([redchi_1, redchi_2, redchi_3, redchi_4, redchi_5])
    # 设置轴坐标值刻度的标签
    ax.set_xticklabels(['5<=snrr<10', '10<=snrr<15', '15<=snrr<20', '20<=snrr<30', '30<=snrr'], fontsize=8)
    #    保存图片 
    plt.savefig('./images/box.jpg')
    plt.show()

if __name__ == '__main__':
    df = pd.read_csv('./inputfile/lamost6w_new.csv')
    df_sc = screening(df)  # 筛选数据 (lamost数据应该在正常值范围内，不然因为数值差过大会导致绘制不出图像!)
    plt_box_iamge(df_sc)

常用方法

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(100)
data = np.random.normal(size=(1000,4),loc=0,scale=1)

ax = plt.subplot()
ax.boxplot(data)                                 # 绘图
ax.set_xlim([0,5])                               # 设置x轴值的范围  rotation=30
# ax.set_xticks()                                    # 自定义x轴的值
ax.set_xlabel("xlabel")                  # 设置x轴的标签
ax.set_xticklabels(['A','B','C','D'],  rotation=30,fontsize=10)   # 设置x轴坐标值的标签 旋转角度 字体大小
ax.set_title("xcy")                             # 设置图像标题
ax.legend(labels= ['A','B','C','D'],loc='best',)  # 增加图例
ax.text(x=0.2 , y=3.5 , s="test" ,fontsize=12)   # 增加注

plt.show()

总结

到此这篇关于Python Matplotlib绘制箱线图boxplot()函数详解的文章就介绍到这了,更多相关Matplotlib箱线图boxplot()函数内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！