Matplotlib 箱线图：如何自定义 X 轴标签|极客教程

Matplotlib 箱线图：如何自定义 X 轴标签

Matplotlib 是 Python 中最流行的数据可视化库之一，它提供了丰富的绘图功能，其中箱线图（Boxplot）是一种常用的统计图表。在使用 Matplotlib 绘制箱线图时，自定义 X 轴标签是一个重要的技巧，可以让图表更加清晰、易读。本文将详细介绍如何在 Matplotlib 中创建箱线图并自定义 X 轴标签，包括基本概念、常用方法、进阶技巧以及注意事项。

1. 箱线图基础

箱线图是一种用于显示一组数据分布情况的统计图表。它可以直观地展示数据的中位数、四分位数、异常值等统计信息。在 Matplotlib 中，我们可以使用 plt.boxplot() 或 ax.boxplot() 函数来创建箱线图。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
ax.boxplot(data)

# 设置标题
ax.set_title('Basic Boxplot - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们生成了三组随机数据，并使用 ax.boxplot() 函数创建了一个基本的箱线图。默认情况下，X 轴标签是数字索引（1, 2, 3）。

2. 自定义 X 轴标签

要自定义 X 轴标签，我们可以使用 ax.set_xticklabels() 函数。这个函数允许我们为每个箱子指定一个自定义的标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
ax.boxplot(data)

# 自定义 X 轴标签
custom_labels = ['Group A', 'Group B', 'Group C']
ax.set_xticklabels(custom_labels)

# 设置标题
ax.set_title('Boxplot with Custom X-axis Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 ax.set_xticklabels() 函数将 X 轴标签设置为 “Group A”、”Group B” 和 “Group C”。这样可以让我们的箱线图更具描述性。

3. 旋转 X 轴标签

有时，X 轴标签可能会太长或者太多，导致它们相互重叠。在这种情况下，我们可以通过旋转标签来解决这个问题。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 6)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
ax.boxplot(data)

# 自定义 X 轴标签
custom_labels = ['Group A', 'Group B', 'Group C', 'Group D', 'Group E']
ax.set_xticklabels(custom_labels, rotation=45, ha='right')

# 设置标题
ax.set_title('Boxplot with Rotated X-axis Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们在 ax.set_xticklabels() 函数中添加了 rotation=45 参数，将标签旋转 45 度。ha='right' 参数用于调整标签的水平对齐方式。

4. 使用 xticks 函数

除了 set_xticklabels() 函数，我们还可以使用 plt.xticks() 或 ax.set_xticks() 函数来同时设置刻度位置和标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
box_plot = ax.boxplot(data)

# 自定义 X 轴刻度和标签
custom_ticks = [1, 2, 3]
custom_labels = ['Low', 'Medium', 'High']
ax.set_xticks(custom_ticks)
ax.set_xticklabels(custom_labels)

# 设置标题
ax.set_title('Boxplot with Custom Ticks and Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 ax.set_xticks() 设置刻度位置，然后使用 ax.set_xticklabels() 设置对应的标签。这种方法允许我们更精确地控制刻度的位置和标签。

5. 处理多组箱线图

当我们需要在同一张图上绘制多组箱线图时，自定义 X 轴标签变得更加重要。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data1 = [np.random.normal(0, std, 100) for std in range(1, 4)]
data2 = [np.random.normal(0, std, 100) for std in range(2, 5)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
box_plots = ax.boxplot([data1[0], data2[0], data1[1], data2[1], data1[2], data2[2]])

# 自定义 X 轴标签
custom_labels = ['A-Low', 'B-Low', 'A-Medium', 'B-Medium', 'A-High', 'B-High']
ax.set_xticklabels(custom_labels)

# 设置标题
ax.set_title('Multiple Boxplots with Custom X-axis Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们创建了两组数据，每组包含三个子集。我们将这些数据交错排列，然后为每个箱子设置一个描述性的标签。

6. 使用字典作为数据输入

Matplotlib 的 boxplot() 函数还支持使用字典作为数据输入。这种方法可以让我们更容易地为每个箱子指定标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = {
    'Category A': np.random.normal(100, 10, 200),
    'Category B': np.random.normal(80, 20, 200),
    'Category C': np.random.normal(90, 15, 200),
    'Category D': np.random.normal(70, 25, 200)
}

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
ax.boxplot(data.values())

# 设置 X 轴标签
ax.set_xticklabels(data.keys())

# 设置标题
ax.set_title('Boxplot with Dictionary Input - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用字典来存储数据，其中键作为类别名称，值作为对应的数据。通过 data.values() 和 data.keys() 我们可以轻松地设置箱线图的数据和 X 轴标签。

7. 自定义标签样式

除了设置标签内容，我们还可以自定义标签的样式，如字体大小、颜色等。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
ax.boxplot(data)

# 自定义 X 轴标签
custom_labels = ['Group A', 'Group B', 'Group C']
ax.set_xticklabels(custom_labels, fontsize=12, color='blue', fontweight='bold')

# 设置标题
ax.set_title('Boxplot with Styled X-axis Labels - how2matplotlib.com', fontsize=14)

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们在 ax.set_xticklabels() 函数中添加了 fontsize、color 和 fontweight 参数来自定义标签的样式。

8. 添加 X 轴标签

除了设置每个箱子的标签，我们还可以为整个 X 轴添加一个总体标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(8, 6))
ax.boxplot(data)

# 自定义 X 轴标签
custom_labels = ['Low', 'Medium', 'High']
ax.set_xticklabels(custom_labels)

# 添加 X 轴标签
ax.set_xlabel('Risk Level', fontsize=12)

# 设置标题
ax.set_title('Boxplot with X-axis Label - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 ax.set_xlabel() 函数为 X 轴添加了一个总体标签 “Risk Level”。

9. 使用 seaborn 库

虽然本文主要讨论 Matplotlib，但值得一提的是，seaborn 库（建立在 Matplotlib 之上）提供了更简单的方式来创建带有自定义 X 轴标签的箱线图。

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

# 生成示例数据
np.random.seed(42)
data = pd.DataFrame({
    'group': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'] * 30,
    'value': np.random.randn(270)
})

# 创建箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='group', y='value', data=data)

# 自定义 X 轴标签
plt.xticks(range(3), ['Group A', 'Group B', 'Group C'])

# 设置标题
plt.title('Seaborn Boxplot with Custom X-axis Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 seaborn 的 boxplot() 函数创建箱线图，然后使用 Matplotlib 的 plt.xticks() 函数自定义 X 轴标签。

10. 处理日期标签

有时，我们可能需要在 X 轴上显示日期标签。Matplotlib 提供了专门的日期处理功能。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from matplotlib.dates import DateFormatter

# 生成示例数据
np.random.seed(42)
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='M')
data = [np.random.normal(0, 1, 100) for _ in range(len(dates))]

# 创建箱线图
fig, ax = plt.subplots(figsize=(12, 6))
ax.boxplot(data)

# 设置 X 轴标签为日期
ax.set_xticks(range(1, len(dates) + 1))
ax.set_xticklabels(dates.strftime('%Y-%m'), rotation=45, ha='right')

# 格式化 X 轴日期标签
date_formatter = DateFormatter("%Y-%m")
ax.xaxis.set_major_formatter(date_formatter)

# 设置标题
ax.set_title('Boxplot with Date Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 pandas 的 date_range() 函数生成日期序列，然后使用 strftime() 方法格式化日期标签。我们还使用了 Matplotlib 的 DateFormatter 来确保日期格式的一致性。

11. 使用 LaTeX 格式的标签

对于需要在标签中使用数学符号或公式的情况，Matplotlib 支持 LaTeX 格式的文本。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
ax.boxplot(data)

# 使用 LaTeX 格式的 X 轴标签
custom_labels = [r' $\alpha$ ', r' $\beta$ ', r' $\gamma$ ']
ax.set_xticklabels(custom_labels, fontsize=14)

# 设置标题
ax.set_title('Boxplot with LaTeX Labels - how2matplotlib.com', fontsize=16)

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用了 LaTeX 格式的希腊字母作为 X 轴标签。注意标签字符串前面的 r 前缀，它表示这是一个原始字符串，可以避免反斜杠被误解为转义字符。

12. 多层标签

有时，我们可能需要在 X 轴上显示多层标签，以提供更详细的信息。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = [np.random.normal(0, std, 100) for std in range(1, 7)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(12, 6))
ax.boxplot(data)

# 设置多层标签
ax.set_xticks(range(1, 7))
ax.set_xticklabels(['A1', 'A2', 'B1', 'B2', 'C1', 'C2'])
ax.set_xlabel('Category')

# 添加第二层标签
ax2 = ax.twiny()
ax2.set_xlim(ax.get_xlim())
ax2.set_xticks([1.5, 3.5, 5.5])
ax2.set_xticklabels(['Group A', 'Group B', 'Group C'])
ax2.set_xlabel('Group')

# 设置标题
ax.set_title('Boxplot with Multi-level Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用了两个 X 轴。主 X 轴显示详细的类别标签，而通过 ax.twiny() 创建的第二个 X 轴显示组标签。

13. 动态标签

在某些情况下，我们可能需要根据数据动态生成标签。以下是一个根据数据值生成标签的例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(mean, 1, 100) for mean in range(5)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
box_plot = ax.boxplot(data)

# 动态生成标签
medians = [np.median(d) for d in data]
labels = [f'Mean ≈ {m:.2f}' for m in medians]

# 设置 X 轴标签
ax.set_xticklabels(labels)

# 设置标题
ax.set_title('Boxplot with Dynamic Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们根据每组数据的中位数动态生成了 X 轴标签。

14. 处理缺失数据

在实际应用中，我们可能会遇到包含缺失值的数据。Matplotlib 的箱线图可以很好地处理这种情况。

import matplotlib.pyplot as plt
import numpy as np

# 生成包含缺失值的示例数据
np.random.seed(42)
data = [
    np.random.normal(0, 1, 100),
    np.random.normal(1, 1, 80),
    np.random.normal(2, 1, 90),
    np.array([np.nan] * 100),  # 全是缺失值的组
    np.random.normal(3, 1, 95)
]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
box_plot = ax.boxplot(data)

# 设置 X 轴标签
labels = ['Complete', 'Partial', 'Partial', 'Missing', 'Partial']
ax.set_xticklabels(labels)

# 设置标题
ax.set_title('Boxplot with Missing Data - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们创建了一组全是缺失值的数据。Matplotlib 会自动跳过这个箱子，但仍然保留其位置和标签。

15. 自定义箱线图样式

除了自定义 X 轴标签，我们还可以自定义箱线图本身的样式，以使图表更加美观和信息丰富。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 6)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
box_plot = ax.boxplot(data, patch_artist=True)

# 自定义箱子颜色
colors = ['lightblue', 'lightgreen', 'lightpink', 'lightyellow', 'lightcyan']
for patch, color in zip(box_plot['boxes'], colors):
    patch.set_facecolor(color)

# 自定义中位线颜色和宽度
for median in box_plot['medians']:
    median.set_color('red')
    median.set_linewidth(2)

# 设置 X 轴标签
labels = ['Very Low', 'Low', 'Medium', 'High', 'Very High']
ax.set_xticklabels(labels)

# 设置标题
ax.set_title('Styled Boxplot with Custom Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用了 patch_artist=True 参数来允许自定义箱子的填充颜色。我们还自定义了中位线的颜色和宽度。

16. 添加网格线

添加网格线可以帮助读者更容易地解读数据。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
ax.boxplot(data)

# 设置 X 轴标签
labels = ['Q1', 'Q2', 'Q3', 'Q4']
ax.set_xticklabels(labels)

# 添加网格线
ax.yaxis.grid(True, linestyle='--', which='major', color='grey', alpha=.25)

# 设置标题
ax.set_title('Boxplot with Grid Lines - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 ax.yaxis.grid() 函数添加了 Y 轴方向的网格线。

17. 添加数据点

有时，除了箱线图，我们还想在图上显示原始数据点。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 30) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
box_plot = ax.boxplot(data)

# 添加数据点
for i, d in enumerate(data):
    y = d
    x = np.random.normal(i+1, 0.04, len(y))
    ax.plot(x, y, 'r.', alpha=0.2)

# 设置 X 轴标签
labels = ['Low', 'Medium', 'High']
ax.set_xticklabels(labels)

# 设置标题
ax.set_title('Boxplot with Data Points - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 ax.plot() 函数在每个箱子旁边添加了原始数据点。

18. 垂直箱线图

虽然水平箱线图更常见，但有时垂直箱线图可能更适合某些数据或布局。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# 创建垂直箱线图
fig, ax = plt.subplots(figsize=(6, 10))
ax.boxplot(data, vert=False)

# 设置 Y 轴标签
labels = ['Category A', 'Category B', 'Category C', 'Category D']
ax.set_yticklabels(labels)

# 设置 X 轴标签
ax.set_xlabel('Value')

# 设置标题
ax.set_title('Vertical Boxplot - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们使用 vert=False 参数创建了一个垂直箱线图。注意，在垂直箱线图中，我们需要设置 Y 轴标签而不是 X 轴标签。

19. 组合多个子图

有时，我们可能需要在一个图形中展示多个相关的箱线图。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = [np.random.normal(0, std, 100) for std in range(1, 4)]
data2 = [np.random.normal(0, std, 100) for std in range(2, 5)]

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

# 第一个子图
ax1.boxplot(data1)
ax1.set_xticklabels(['Low', 'Medium', 'High'])
ax1.set_title('Group A - how2matplotlib.com')

# 第二个子图
ax2.boxplot(data2)
ax2.set_xticklabels(['Low', 'Medium', 'High'])
ax2.set_title('Group B - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签

在这个例子中，我们创建了两个并排的子图，每个子图包含一个箱线图。

20. 保存图表

最后，让我们看看如何将创建的箱线图保存为图片文件。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]

# 创建箱线图
fig, ax = plt.subplots(figsize=(10, 6))
ax.boxplot(data)

# 设置 X 轴标签
labels = ['Q1', 'Q2', 'Q3', 'Q4']
ax.set_xticklabels(labels)

# 设置标题
ax.set_title('Quarterly Performance - how2matplotlib.com')

# 保存图表
plt.savefig('boxplot_example.png', dpi=300, bbox_inches='tight')

# 显示图表
plt.show()

Output:

Matplotlib 箱线图：如何自定义 X 轴标签