Python 箱线图|极客教程

Python 箱线图

什么是箱线图？

箱线图（Boxplot），也叫盒须图或盒式图，是一种用于显示一组数据分散情况的统计图表。它通过五个值来描述数据集的分布情况，包括最小值、下四分位数（Q1）、中位数、上四分位数（Q3）和最大值。并且通过上下两个须线来表示数据的范围，辅助判断异常值的存在。

箱线图的绘制过程非常简单，但信息丰富。在数据分析和可视化领域被广泛使用，常用于比较不同类别的数据分布、检测异常值和识别数据的偏度。

为什么要使用箱线图？

箱线图有以下几个优点：

显示数据分布：通过最小值、下四分位数、中位数、上四分位数和最大值，可以直观地了解数据的分布特征，包括是否对称、偏态情况等。
高亮异常值：通过须线的绘制，可以快速识别出数据中的异常值，有助于排除异常干扰。
比较不同类别：箱线图的分组形式可以方便地比较不同类别的数据分布情况，查看是否存在差异。

如何绘制箱线图？

在 Python 中，我们可以使用多种库来绘制箱线图，包括 Matplotlib、Seaborn 和 Pandas 等。下面分别介绍这三种库的使用方法：

1. 绘制 Matplotlib 箱线图

Matplotlib 是 Python 中常用的数据可视化库，提供了多种图表绘制功能。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(10)
data = np.random.normal(0, 1, 100)

# 绘制箱线图
fig, ax = plt.subplots()
ax.boxplot(data)

# 设置标题和标签
ax.set_title('Matplotlib 箱线图示例')
ax.set_xlabel('数据')

# 显示图形
plt.show()

2. 绘制 Seaborn 箱线图

Seaborn 是基于 Matplotlib 的高级数据可视化库，提供了更简洁、更美观的图表样式，并且支持更多的统计图表类型。

import seaborn as sns
import numpy as np

# 生成随机数据
np.random.seed(10)
data = np.random.normal(0, 1, 100)

# 绘制箱线图
sns.boxplot(data=data)

# 设置标题和标签
plt.title('Seaborn 箱线图示例')
plt.xlabel('数据')

# 显示图形
plt.show()

3. 绘制 Pandas 箱线图

Pandas 是 Python 中常用的数据处理库，它对 Matplotlib 和 Seaborn 进行了封装，提供了更方便的绘图接口。

import pandas as pd
import numpy as np

# 生成随机数据
np.random.seed(10)
data = np.random.normal(0, 1, 100)

# 创建数据框
df = pd.DataFrame(data, columns=['数据'])

# 绘制箱线图
df.boxplot()

# 设置标题和标签
plt.title('Pandas 箱线图示例')
plt.xlabel('数据')

# 显示图形
plt.show()

如何解读箱线图？

箱线图通过五个值和须线来展示数据的整体分布情况，可以从以下几个方面进行解读：

中位数：箱线图中的中位数（Mediane）表示数据的中心趋势，处于数据分布的中间位置，一分为二。如果数据呈现偏态分布，中位数更能代表数据的典型值。
四分位数：箱线图中的箱子表示数据的上限和下限，显示出数据的分布情况。下四分位数（Q1）是中位数的左边那部分数据的中位数，上四分位数（Q3）是中位数的右边那部分数据的中位数。通过箱子的高度和宽度，可以判断数据是否集中、散布范围大小。
须线：箱线图中的须线（Whiskers）表示数据的范围。一般取上限和下限为 Q1-1.5IQR 和 Q3+1.5IQR，IQR（Interquartile Range）为四分位距，即 Q3-Q1。通过对数据的观察，可以判断是否存在异常值。
异常值：箱线图中的离群点（Outliers）表示数据中的异常值，通常是相对于正常值而言的特殊值。可以通过箱线图的须线和离群点来判断数据是否存在异常情况。