Matplotlib中如何创建分组箱线图：全面指南|极客教程

Matplotlib中如何创建分组箱线图：全面指南

参考：How to Create Boxplots by Group in Matplotlib

箱线图是一种强大的数据可视化工具，用于展示数据的分布情况和异常值。在数据分析中，我们经常需要比较不同组别的数据分布，这时候分组箱线图就显得尤为重要。本文将详细介绍如何使用Matplotlib创建分组箱线图，包括基本概念、数据准备、绘图技巧以及高级定制等方面。

1. 箱线图的基本概念

在深入探讨分组箱线图之前，我们先来了解一下箱线图的基本概念。箱线图，也称为盒须图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数、下四分位数及上四分位数。

箱线图的主要组成部分包括：
– 箱体：表示数据的中间50%，上边缘为上四分位数（Q3），下边缘为下四分位数（Q1）
– 中位线：表示数据的中位数
– 须：延伸至最小和最大值（不包括异常值）
– 异常值：通常以点的形式表示，超出四分位距（IQR）1.5倍的数据点

让我们通过一个简单的例子来创建一个基本的箱线图：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = np.random.randn(100)

# 创建箱线图
plt.figure(figsize=(8, 6))
plt.boxplot(data)
plt.title('Basic Boxplot - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们使用NumPy生成了100个随机数，然后使用plt.boxplot()函数创建了一个基本的箱线图。figsize参数用于设置图形的大小，title和ylabel用于添加标题和Y轴标签。

2. 数据准备

创建分组箱线图的第一步是准备合适的数据。通常，我们需要有多个组别的数据，每个组别包含多个数据点。让我们看一个例子，如何准备适合分组箱线图的数据：

import numpy as np
import pandas as pd

# 生成示例数据
np.random.seed(42)
group_a = np.random.normal(100, 10, 200)
group_b = np.random.normal(90, 20, 200)
group_c = np.random.normal(110, 15, 200)

# 创建DataFrame
df = pd.DataFrame({
    'Group A': group_a,
    'Group B': group_b,
    'Group C': group_c
})

print(df.head())
print("Data prepared for grouped boxplot - how2matplotlib.com")

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们使用NumPy生成了三组正态分布的数据，然后将它们组合成一个pandas DataFrame。这种格式的数据非常适合创建分组箱线图。

3. 创建基本的分组箱线图

有了准备好的数据，我们就可以开始创建分组箱线图了。Matplotlib提供了简单的方法来创建这种图表：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 200),
    'Group B': np.random.normal(90, 20, 200),
    'Group C': np.random.normal(110, 15, 200)
})

# 创建分组箱线图
plt.figure(figsize=(10, 6))
df.boxplot()
plt.title('Grouped Boxplot - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们直接使用pandas DataFrame的boxplot()方法来创建分组箱线图。这个方法会自动为DataFrame中的每一列创建一个箱线图，并将它们并排放置。

4. 自定义箱线图样式

Matplotlib提供了多种方式来自定义箱线图的样式。我们可以改变箱体的颜色、线条宽度、异常值的标记等。下面是一个自定义样式的例子：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 200),
    'Group B': np.random.normal(90, 20, 200),
    'Group C': np.random.normal(110, 15, 200)
})

# 创建自定义样式的分组箱线图
plt.figure(figsize=(10, 6))
df.boxplot(color={'boxes': 'red', 'whiskers': 'orange', 'medians': 'green', 'caps': 'purple'},
           boxprops={'facecolor': 'pink', 'edgecolor': 'red', 'alpha': 0.5},
           flierprops={'marker': 'o', 'markerfacecolor': 'blue', 'markersize': 8},
           medianprops={'linewidth': 2})
plt.title('Customized Grouped Boxplot - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

在这个例子中，我们使用了多个参数来自定义箱线图的样式：
– color参数用于设置不同部分的颜色
– boxprops用于设置箱体的属性，包括填充颜色、边框颜色和透明度
– flierprops用于设置异常值点的属性
– medianprops用于设置中位线的属性

5. 添加数据点

有时候，我们可能想在箱线图上显示原始数据点，以便更好地理解数据分布。Matplotlib允许我们在箱线图上叠加数据点：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 50),
    'Group B': np.random.normal(90, 20, 50),
    'Group C': np.random.normal(110, 15, 50)
})

# 创建带数据点的分组箱线图
plt.figure(figsize=(12, 6))
bp = df.boxplot(return_type='dict')
for i, column in enumerate(df.columns):
    y = df[column]
    x = np.random.normal(i + 1, 0.04, len(y))
    plt.scatter(x, y, alpha=0.4)

plt.title('Grouped Boxplot with Data Points - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们首先创建了一个普通的箱线图，然后使用plt.scatter()函数在每个箱线图上添加了对应的数据点。我们稍微调整了数据点的x坐标，使它们在箱线图周围随机分布，以避免重叠。

6. 水平方向的分组箱线图

默认情况下，Matplotlib创建的箱线图是垂直方向的。但有时候，水平方向的箱线图可能更适合某些数据或布局。我们可以轻松地创建水平方向的分组箱线图：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 200),
    'Group B': np.random.normal(90, 20, 200),
    'Group C': np.random.normal(110, 15, 200)
})

# 创建水平方向的分组箱线图
plt.figure(figsize=(10, 6))
df.boxplot(vert=False)
plt.title('Horizontal Grouped Boxplot - how2matplotlib.com')
plt.xlabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们只需要在boxplot()函数中添加vert=False参数，就可以创建水平方向的箱线图。注意，这时我们需要使用xlabel而不是ylabel来标注数值轴。

7. 添加统计信息

箱线图本身就包含了很多统计信息，但有时我们可能想要在图上显示更多的统计数据，比如均值。我们可以使用Matplotlib的注释功能来实现这一点：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 200),
    'Group B': np.random.normal(90, 20, 200),
    'Group C': np.random.normal(110, 15, 200)
})

# 创建带均值标注的分组箱线图
plt.figure(figsize=(10, 6))
bp = df.boxplot()
for i, column in enumerate(df.columns):
    mean = df[column].mean()
    plt.text(i+1, mean, f'Mean: {mean:.2f}', ha='center', va='bottom')
    plt.plot([i+0.8, i+1.2], [mean, mean], color='red', linestyle='--')

plt.title('Grouped Boxplot with Mean - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们首先创建了一个普通的箱线图。然后，我们遍历每一列数据，计算均值，并使用plt.text()函数在图上添加文本注释。我们还使用plt.plot()函数在每个箱线图上画了一条表示均值的虚线。

8. 使用Seaborn创建分组箱线图

虽然Matplotlib提供了创建分组箱线图的基本功能，但有时我们可能想要更美观或更易于使用的接口。Seaborn是基于Matplotlib的统计数据可视化库，它提供了更高级的接口来创建各种统计图表，包括分组箱线图：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'value': np.concatenate([
        np.random.normal(100, 10, 200),
        np.random.normal(90, 20, 200),
        np.random.normal(110, 15, 200)
    ]),
    'group': np.repeat(['A', 'B', 'C'], 200)
})

# 使用Seaborn创建分组箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='group', y='value', data=df)
plt.title('Seaborn Grouped Boxplot - how2matplotlib.com')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们首先重新组织了数据格式，将所有的值放在一列中，并添加了一个表示组别的列。然后我们使用Seaborn的boxplot()函数来创建分组箱线图。Seaborn的接口更加直观，并且默认提供了更美观的样式。

9. 添加小提琴图

小提琴图是箱线图的一种变体，它不仅显示了数据的摘要统计信息，还显示了数据的概率密度。我们可以将小提琴图与箱线图结合，以提供更丰富的数据分布信息：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'value': np.concatenate([
        np.random.normal(100, 10, 200),
        np.random.normal(90, 20, 200),
        np.random.normal(110, 15, 200)
    ]),
    'group': np.repeat(['A', 'B', 'C'], 200)
})

# 创建箱线图和小提琴图的组合
plt.figure(figsize=(12, 6))
sns.violinplot(x='group', y='value', data=df, inner='box')
plt.title('Boxplot with Violin Plot - how2matplotlib.com')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们使用Seaborn的violinplot()函数创建了小提琴图，并通过inner='box'参数在小提琴图内部添加了箱线图。这种组合图能够同时显示数据的分布形状和关键统计信息。

10. 多变量分组箱线图

有时，我们可能需要根据多个变量来分组创建箱线图。例如，我们可能想要比较不同组别在不同条件下的表现。Matplotlib和Seaborn都提供了创建这种复杂图表的方法：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'value': np.concatenate([
        np.random.normal(100, 10, 200),
        np.random.normal(90, 20, 200),
        np.random.normal(110, 15, 200),
        np.random.normal(95, 12, 200),
        np.random.normal(105, 18, 200),
        np.random.normal(100, 15, 200)
    ]),
    'group': np.repeat(['A', 'B', 'C'], 400),
    'condition': np.tile(np.repeat(['X', 'Y'], 200),3)
})

# 创建多变量分组箱线图
plt.figure(figsize=(12, 6))
sns.boxplot(x='group', y='value', hue='condition', data=df)
plt.title('Multi-variable Grouped Boxplot - how2matplotlib.com')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们创建了一个包含两个分组变量的数据集：’group’和’condition’。然后我们使用Seaborn的boxplot()函数创建了一个多变量分组箱线图，其中’group’决定了箱线图的x轴位置，而’condition’则通过不同的颜色来区分。

11. 添加统计检验结果

在比较不同组别的数据时，我们可能想要知道这些差异是否具有统计学意义。我们可以在箱线图上添加统计检验的结果，例如t检验的p值：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
from scipy import stats

# 准备数据
np.random.seed(42)
group_a = np.random.normal(100, 10, 200)
group_b = np.random.normal(90, 20, 200)
group_c = np.random.normal(110, 15, 200)

df = pd.DataFrame({
    'Group A': group_a,
    'Group B': group_b,
    'Group C': group_c
})

# 创建箱线图
plt.figure(figsize=(10, 6))
df.boxplot()

# 添加统计检验结果
def add_stat_annotation(x1, x2, data1, data2, h):
    t_stat, p_value = stats.ttest_ind(data1, data2)
    plt.plot([x1, x1, x2, x2], [h, h+5, h+5, h], lw=1.5, c='black')
    plt.text((x1+x2)*.5, h+5, f'p={p_value:.3f}', ha='center', va='bottom')

add_stat_annotation(1, 2, group_a, group_b, 140)
add_stat_annotation(1, 3, group_a, group_c, 150)
add_stat_annotation(2, 3, group_b, group_c, 160)

plt.title('Grouped Boxplot with Statistical Annotations - how2matplotlib.com')
plt.ylabel('Values')
plt.ylim(40, 170)
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们定义了一个add_stat_annotation()函数来添加统计注释。这个函数执行t检验，并在图上画线和添加p值。我们对每对组别都进行了比较，并在图上显示了结果。

12. 创建嵌套的箱线图

有时，我们可能需要展示更复杂的数据结构，例如嵌套的分组。Matplotlib允许我们创建嵌套的箱线图来展示这种数据：

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
np.random.seed(42)
data = [np.random.normal(100, 10, 200),
        np.random.normal(90, 20, 200),
        np.random.normal(110, 15, 200),
        np.random.normal(95, 12, 200),
        np.random.normal(105, 18, 200),
        np.random.normal(100, 15, 200)]

# 创建嵌套的箱线图
fig, ax = plt.subplots(figsize=(12, 6))
bplot = ax.boxplot(data, positions=[1, 2, 3, 5, 6, 7], widths=0.6, patch_artist=True)

# 自定义颜色
colors = ['pink', 'lightblue', 'lightgreen']
for patch, color in zip(bplot['boxes'], colors*2):
    patch.set_facecolor(color)

# 添加标签
ax.set_xticklabels(['A', 'B', 'C', 'A', 'B', 'C'])
ax.set_xticks([2, 6])
ax.set_xticklabels(['Group 1', 'Group 2'])

plt.title('Nested Grouped Boxplot - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们创建了两个主要组别，每个主要组别内又包含三个子组别。我们使用positions参数来控制箱线图的位置，从而创建嵌套的效果。我们还使用了不同的颜色来区分子组别，并自定义了x轴的标签。

13. 添加抖动点

为了更好地展示数据的分布，特别是当数据点较少时，我们可以在箱线图上添加抖动点：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'value': np.concatenate([
        np.random.normal(100, 10, 30),
        np.random.normal(90, 20, 30),
        np.random.normal(110, 15, 30)
    ]),
    'group': np.repeat(['A', 'B', 'C'], 30)
})

# 创建带抖动点的箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='group', y='value', data=df)
sns.stripplot(x='group', y='value', data=df, color='black', alpha=0.5)

plt.title('Boxplot with Jittered Points - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们首先使用Seaborn的boxplot()函数创建了基本的箱线图，然后使用stripplot()函数添加了抖动点。抖动点以黑色半透明的方式显示，使我们能够看到每个数据点的分布。

14. 创建分面的箱线图

当我们有多个类别需要比较时，可以使用分面（faceting）技术来创建多个子图：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'value': np.concatenate([
        np.random.normal(100, 10, 200),
        np.random.normal(90, 20, 200),
        np.random.normal(110, 15, 200),
        np.random.normal(95, 12, 200),
        np.random.normal(105, 18, 200),
        np.random.normal(100, 15, 200)
    ]),
    'group': np.repeat(['A', 'B', 'C'], 400),
    'condition': np.tile(np.repeat(['X', 'Y'], 200), 3)
})

# 创建分面的箱线图
g = sns.FacetGrid(df, col="condition", height=5, aspect=.8)
g.map(sns.boxplot, "group", "value")
g.set_axis_labels("Group", "Value")
g.set_titles("Condition: {col_name}")
g.fig.suptitle('Faceted Grouped Boxplot - how2matplotlib.com', y=1.05)
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何创建分组箱线图：全面指南

在这个例子中，我们使用Seaborn的FacetGrid来创建分面图。每个分面对应一个’condition’，在每个分面内我们创建了一个按’group’分组的箱线图。

15. 创建彩虹箱线图

彩虹箱线图是一种特殊的箱线图，它使用渐变色来增强视觉效果：

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

# 准备数据
np.random.seed(42)
df = pd.DataFrame({
    'Group A': np.random.normal(100, 10, 200),
    'Group B': np.random.normal(90, 20, 200),
    'Group C': np.random.normal(110, 15, 200),
    'Group D': np.random.normal(95, 12, 200),
    'Group E': np.random.normal(105, 18, 200)
})

# 创建彩虹箱线图
fig, ax = plt.subplots(figsize=(12, 6))
bp = ax.boxplot(df.values)

for i, box in enumerate(bp['boxes']):
    box_color = plt.cm.rainbow(i / len(df.columns))
    box.set_facecolor(box_color)
    box.set_alpha(0.7)

ax.set_xticklabels(df.columns)
plt.title('Rainbow Grouped Boxplot - how2matplotlib.com')
plt.ylabel('Values')
plt.show()