Matplotlib箱线图：数据可视化的强大工具|极客教程

Matplotlib箱线图：数据可视化的强大工具

Matplotlib是Python中最流行的数据可视化库之一，而箱线图（Boxplot）是其中一个非常有用的统计图表类型。箱线图可以直观地展示数据的分布情况，包括中位数、四分位数和异常值等重要统计信息。本文将深入探讨Matplotlib中箱线图的使用方法、customization技巧以及实际应用场景。

1. 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%，即从第25百分位数到第75百分位数。
中位线：表示数据的中位数。
须线：延伸到最小和最大的非异常值。
异常点：位于须线之外的数据点。

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
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箱线图：数据可视化的强大工具

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()函数创建了一个简单的箱线图。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. 创建多组箱线图

在实际应用中，我们经常需要比较多组数据。Matplotlib允许我们在同一图表中创建多个箱线图，方便进行比较分析。

import matplotlib.pyplot as plt
import numpy as np

# 生成多组示例数据
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(2, 1, 100)
data3 = np.random.normal(-1, 1.5, 100)

# 创建多组箱线图
plt.figure(figsize=(10, 6))
plt.boxplot([data1, data2, data3], labels=['Group A', 'Group B', 'Group C'])
plt.title('Multiple Boxplots - how2matplotlib.com')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了三组具有不同分布特征的数据，并将它们放在一个列表中传递给boxplot函数。labels参数用于为每个箱线图添加标签。

3. 自定义箱线图样式

Matplotlib提供了丰富的自定义选项，允许我们调整箱线图的各个方面，包括颜色、线型、宽度等。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.randn(100)

# 创建自定义样式的箱线图
plt.figure(figsize=(8, 6))
box_plot = plt.boxplot(data, patch_artist=True)

# 自定义颜色和样式
plt.setp(box_plot['boxes'], facecolor='lightblue', edgecolor='blue')
plt.setp(box_plot['whiskers'], color='gray', linestyle='--')
plt.setp(box_plot['caps'], color='gray')
plt.setp(box_plot['medians'], color='red', linewidth=2)
plt.setp(box_plot['fliers'], marker='o', markerfacecolor='green', markersize=8)

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

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们使用patch_artist=True参数来允许填充箱体颜色。然后，我们使用plt.setp()函数来设置箱体、须线、端点、中位线和异常点的样式。

4. 水平箱线图

默认情况下，Matplotlib创建的是垂直方向的箱线图。但有时，水平方向的箱线图可能更适合某些数据展示需求。

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)]

# 创建水平箱线图
plt.figure(figsize=(10, 6))
plt.boxplot(data, vert=False, labels=['Group A', 'Group B', 'Group C'])
plt.title('Horizontal Boxplot - how2matplotlib.com')
plt.xlabel('Values')
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们使用vert=False参数来创建水平方向的箱线图。注意，此时我们需要使用xlabel而不是ylabel来标注数值轴。

5. 添加数据点

有时，我们可能希望在箱线图上显示原始数据点，以提供更多的数据分布信息。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.randn(30)

# 创建带数据点的箱线图
plt.figure(figsize=(8, 6))
plt.boxplot(data, showfliers=False)
plt.scatter(np.ones(len(data)), data, color='red', alpha=0.5)
plt.title('Boxplot with Data Points - how2matplotlib.com')
plt.ylabel('Values')
plt.xticks([1], ['Data'])
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们首先创建了一个不显示异常值的箱线图（showfliers=False），然后使用plt.scatter()函数在箱线图上叠加了原始数据点。alpha参数用于设置点的透明度。

6. 箱线图与小提琴图的结合

小提琴图是箱线图的一个变体，它能更好地显示数据的分布密度。我们可以将箱线图和小提琴图结合起来，以提供更丰富的数据可视化。

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

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

# 创建箱线图和小提琴图的组合
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

# 箱线图
ax1.boxplot(data)
ax1.set_title('Boxplot - how2matplotlib.com')
ax1.set_ylabel('Values')

# 小提琴图
parts = ax2.violinplot(data, showmeans=False, showmedians=True)
for pc in parts['bodies']:
    pc.set_facecolor('lightblue')
    pc.set_edgecolor('blue')
    pc.set_alpha(0.7)
ax2.set_title('Violin Plot - how2matplotlib.com')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了一个包含两个子图的图形，左边是箱线图，右边是小提琴图。小提琴图使用violinplot()函数创建，我们还自定义了小提琴图的颜色和透明度。

7. 处理异常值

箱线图的一个重要特性是能够识别和显示异常值。我们可以自定义异常值的显示方式，或者选择不显示异常值。

import matplotlib.pyplot as plt
import numpy as np

# 生成包含异常值的示例数据
np.random.seed(42)
data = np.concatenate([np.random.normal(0, 1, 100), np.array([5, 7, -6, -8])])

# 创建处理异常值的箱线图
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

# 显示异常值
ax1.boxplot(data)
ax1.set_title('Boxplot with Outliers - how2matplotlib.com')
ax1.set_ylabel('Values')

# 不显示异常值
ax2.boxplot(data, showfliers=False)
ax2.set_title('Boxplot without Outliers - how2matplotlib.com')
ax2.set_ylabel('Values')

plt.tight_layout()
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了两个子图：左边的箱线图显示异常值，右边的箱线图使用showfliers=False参数来隐藏异常值。

8. 添加均值点

虽然箱线图默认显示中位数，但有时我们可能还想显示平均值。Matplotlib允许我们在箱线图上添加均值点。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.randn(100)

# 创建带均值点的箱线图
plt.figure(figsize=(8, 6))
box_plot = plt.boxplot(data, patch_artist=True)
plt.plot(1, np.mean(data), marker='D', color='red', markersize=10)

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

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们使用plt.plot()函数在箱线图上添加了一个表示均值的菱形标记。

9. 分组箱线图

当我们需要比较多个类别的多组数据时，分组箱线图是一个很好的选择。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(2, 1, 100)
data3 = np.random.normal(-1, 1.5, 100)

# 创建分组箱线图
fig, ax = plt.subplots(figsize=(10, 6))

box_plot = ax.boxplot([data1, data2, data3], positions=[1, 2, 3], widths=0.6, patch_artist=True)

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

ax.set_title('Grouped Boxplot - how2matplotlib.com')
ax.set_ylabel('Values')
ax.set_xticks([1, 2, 3])
ax.set_xticklabels(['Group A', 'Group B', 'Group C'])

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了三组数据的箱线图，并使用不同的颜色来区分每个组。positions参数用于指定每个箱线图的位置，widths参数用于设置箱体的宽度。

10. 箱线图与散点图的结合

有时，我们可能希望在箱线图旁边显示原始数据点的分布。我们可以将箱线图与散点图结合起来实现这一目的。

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, 4)]

# 创建箱线图和散点图的组合
fig, ax = plt.subplots(figsize=(10, 6))

# 箱线图
box_plot = ax.boxplot(data, positions=[1, 2, 3], widths=0.6, patch_artist=True)

# 散点图
for i, d in enumerate(data):
    y = d
    x = np.random.normal(i+1, 0.04, len(y))
    ax.scatter(x, y, alpha=0.3)

ax.set_title('Boxplot with Scatter Plot - how2matplotlib.com')
ax.set_ylabel('Values')
ax.set_xticks([1, 2, 3])
ax.set_xticklabels(['Group A', 'Group B', 'Group C'])

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们首先创建了箱线图，然后使用scatter()函数为每组数据添加了散点。我们稍微调整了散点的x坐标，使其在箱线图周围随机分布，以避免重叠。

11. 箱线图的统计注释

为了提供更多的统计信息，我们可以在箱线图上添加一些统计注释，如均值、标准差等。

import matplotlib.pyplot as plt
import numpy as np

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

# 创建带统计注释的箱线图
fig, ax = plt.subplots(figsize=(8, 6))

box_plot = ax.boxplot(data)

# 添加统计注释
mean = np.mean(data)
std = np.std(data)
ax.text(1.1, mean, f'Mean: {mean:.2f}', verticalalignment='center')
ax.text(1.1, mean+std, f'Std: {std:.2f}', verticalalignment='center')

ax.set_title('Boxplot with Statistical Annotations - how2matplotlib.com')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们使用ax.text()函数在箱线图旁边添加了均值和标准差的注释。

12. 多变量箱线图

当我们需要比较多个变量的分布时，可以创建多变量箱线图。

import matplotlib.pyplot as plt
import numpy asnp

# 生成多变量示例数据
np.random.seed(42)
data = {
    'var1': np.random.normal(0, 1, 100),
    'var2': np.random.normal(1, 1.5, 100),
    'var3': np.random.normal(-1, 2, 100),
    'var4': np.random.normal(2, 0.5, 100)
}

# 创建多变量箱线图
fig, ax = plt.subplots(figsize=(10, 6))

box_plot = ax.boxplot(data.values())

ax.set_title('Multivariate Boxplot - how2matplotlib.com')
ax.set_ylabel('Values')
ax.set_xticklabels(data.keys())

plt.show()

在这个例子中，我们创建了一个包含四个变量的字典，然后使用boxplot()函数同时绘制这四个变量的箱线图。

13. 箱线图的颜色映射

当我们有多个箱线图时，使用颜色映射可以使图表更具可读性和美观性。

import matplotlib.pyplot as plt
import numpy as np

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

# 创建带颜色映射的箱线图
fig, ax = plt.subplots(figsize=(10, 6))

box_plot = ax.boxplot(data, patch_artist=True)

# 应用颜色映射
cmap = plt.get_cmap('coolwarm')
for i, patch in enumerate(box_plot['boxes']):
    color = cmap(i / (len(data) - 1))
    patch.set_facecolor(color)

ax.set_title('Boxplot with Color Mapping - how2matplotlib.com')
ax.set_ylabel('Values')
ax.set_xticklabels([f'Group {i+1}' for i in range(5)])

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们使用了’coolwarm’颜色映射来为每个箱体设置不同的颜色。这种方法在比较多个组时特别有用。

14. 带有置信区间的箱线图

在某些情况下，我们可能想要在箱线图上显示置信区间。虽然Matplotlib没有直接提供这个功能，但我们可以通过自定义来实现。

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 生成示例数据
np.random.seed(42)
data = np.random.normal(0, 1, 100)

# 计算置信区间
mean = np.mean(data)
ci = stats.t.interval(alpha=0.95, df=len(data)-1, loc=mean, scale=stats.sem(data))

# 创建带置信区间的箱线图
fig, ax = plt.subplots(figsize=(8, 6))

box_plot = ax.boxplot(data)
ax.vlines(1, ci[0], ci[1], color='r', linestyle='--', lw=2)
ax.plot(1, mean, 'ro')

ax.set_title('Boxplot with Confidence Interval - how2matplotlib.com')
ax.set_ylabel('Values')

plt.show()

在这个例子中，我们使用SciPy的stats.t.interval()函数计算了95%的置信区间，然后使用vlines()函数在箱线图上添加了置信区间的线条。

15. 箱线图与直方图的组合

箱线图和直方图都是展示数据分布的有效工具。将它们组合在一起可以提供更全面的数据视图。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(42)
data = np.random.normal(0, 1, 1000)

# 创建箱线图和直方图的组合
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6), gridspec_kw={'width_ratios': [1, 3]})

# 箱线图
ax1.boxplot(data)
ax1.set_title('Boxplot - how2matplotlib.com')
ax1.set_ylabel('Values')

# 直方图
ax2.hist(data, bins=30, orientation='horizontal')
ax2.set_title('Histogram - how2matplotlib.com')
ax2.set_xlabel('Frequency')

# 调整y轴范围使两个图表对齐
ax2.set_ylim(ax1.get_ylim())

plt.tight_layout()
plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了一个包含两个子图的图形：左边是箱线图，右边是水平方向的直方图。我们调整了两个子图的宽度比例，并确保它们的y轴范围一致，以便更好地比较。

16. 动态箱线图

在某些情况下，我们可能需要创建动态更新的箱线图，例如在实时数据分析中。虽然Matplotlib主要用于静态图表，但我们可以使用动画功能来创建简单的动态箱线图。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

# 初始化数据
data = np.random.normal(0, 1, 100)

# 创建图形和箱线图
fig, ax = plt.subplots(figsize=(8, 6))
box_plot = ax.boxplot(data)

ax.set_title('Dynamic Boxplot - how2matplotlib.com')
ax.set_ylabel('Values')

# 更新函数
def update(frame):
    # 更新数据
    global data
    data = np.concatenate([data[1:], [np.random.normal(0, 1)]])

    # 更新箱线图
    for i, line in enumerate(box_plot['medians']):
        line.set_ydata([np.median(data), np.median(data)])

    for i, line in enumerate(box_plot['boxes']):
        line.set_ydata([np.percentile(data, 25), np.percentile(data, 75),
                        np.percentile(data, 75), np.percentile(data, 25),
                        np.percentile(data, 25)])

    return box_plot['boxes'] + box_plot['medians']

# 创建动画
anim = FuncAnimation(fig, update, frames=200, interval=50, blit=True)

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们创建了一个动态更新的箱线图。每次更新时，我们移除最旧的数据点，添加一个新的随机数据点，然后重新计算并更新箱线图的各个部分。

17. 箱线图与回归线

在某些分析中，我们可能想要在箱线图上添加回归线，以显示数据的整体趋势。

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 生成示例数据
np.random.seed(42)
x = np.arange(1, 6)
y = [np.random.normal(i, 1, 100) for i in x]

# 创建箱线图和回归线
fig, ax = plt.subplots(figsize=(10, 6))

# 箱线图
box_plot = ax.boxplot(y, positions=x)

# 计算回归线
slope, intercept, r_value, p_value, std_err = stats.linregress(np.repeat(x, 100), np.concatenate(y))
line = slope * x + intercept

# 绘制回归线
ax.plot(x, line, color='r', linestyle='--', label=f'Regression line (R² = {r_value**2:.2f})')

ax.set_title('Boxplot with Regression Line - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')
ax.legend()

plt.show()

Output:

Matplotlib箱线图：数据可视化的强大工具

在这个例子中，我们首先创建了箱线图，然后使用SciPy的stats.linregress()函数计算回归线的参数。最后，我们在箱线图上添加了回归线，并在图例中显示了R²值。

18. 箱线图与误差条

箱线图和误差条都可以用来显示数据的变异性，将它们结合使用可以提供更丰富的信息。

import matplotlib.pyplot as plt
import numpy as np

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

# 计算均值和标准差
means = [np.mean(d) for d in data]
stds = [np.std(d) for d in data]

# 创建箱线图和误差条
fig, ax = plt.subplots(figsize=(10, 6))

# 箱线图
box_plot = ax.boxplot(data, positions=range(1, 6), widths=0.6)

# 误差条
ax.errorbar(range(1, 6), means, yerr=stds, fmt='o', color='r', capsize=5, label='Mean ± Std')

ax.set_title('Boxplot with Error Bars - how2matplotlib.com')
ax.set_xlabel('Groups')
ax.set_ylabel('Values')
ax.legend()

plt.show()