Python画箱线图展示数据分布情况

2024-06-17 15:40
45人已看

箱线图（Boxplot）是一种常用的统计图表，用于展示数据的分布情况。

它由五个统计量组成：最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）和最大值。

通过这些统计量，可以直观地了解数据的集中趋势、离散程度以及是否存在异常值。

构成要素

中位数（Q2）：
- 箱线图中的中间线代表数据的中位数，即将数据按大小排列后中间位置的数值。
四分位数（Q1和Q3）：
- 箱体的上边界（Q3）和下边界（Q1）分别表示数据的第三四分位数和第一四分位数。箱子的高度即为四分位距（IQR），是Q3和Q1的差值，用来衡量数据的离散程度。
盒须：
- 箱体外部的直线（盒须）延伸至数据集的最大值和最小值，用来显示非异常值的范围。盒须外部的点表示可能的异常值，即相对于主体数据分布偏离较大的数据点。
异常值：
- 在盒须外部的点表示可能存在的异常值，即与其他数据点相比显著偏离的数据。

使用场景

箱线图常用于以下情况：

数据分布比较：可以同时比较多组数据的分布情况，帮助观察各组数据的中位数、四分位数和离散程度。
异常值检测：通过观察箱体外部的点，可以快速发现可能的异常值或离群点。
数据分散度分析：箱体的长度和位置反映了数据的分散程度，有助于对数据的离散程度进行比较。

        # 创建示例数据
        data = {
            'Group': ['A'] * 11 + ['B'] * 10 + ['C'] * 10,
            'Value': [23, 25, 19, 21, 24, 27, 22, 20, 21, 24, -1, # Group A
                      30, 28, 36, 31, 34, 29, 35, 33, 32, 30,  # Group B
                      15, 17, 14, 16, 13, 18, 14, 15, 17, 16]  # Group C
        }

        # 转换为 DataFrame
        df = pd.DataFrame(data)

        # 设置绘图风格
        sns.set(style="whitegrid")

        # 绘制箱线图
        plt.figure(figsize=(10, 6))
        sns.boxplot(x='Group', y='Value', data=df)

        # 添加标题和标签
        plt.title('Box Plot of Three Groups')
        plt.xlabel('Group')
        plt.ylabel('Value')

        # 显示图表
        # plt.show()
        plt.savefig('./boxPlot_seaborn.png')

中位数（箱体内部的横线）：每个组的数据中间值。
四分位数（箱体的上下边缘）：分别表示25%和75%的数据点。
最小值和最大值（盒须的末端）：除去异常值后数据的范围。
异常值（箱体外的点）：与其他数据点相距较远的数值。

自定义箱线图

        print('自定义箱线图')
        # 示例数据
        data = [
            {'Min': 10, '50%': 50, 'Mean': 55, '95%': 90, '99%': 97, 'Max': 100},
            {'Min': 20, '50%': 60, 'Mean': 65, '95%': 85, '99%': 92, 'Max': 95},
            {'Min': 5, '50%': 40, 'Mean': 45, '95%': 80, '99%': 88, 'Max': 90}
        ]

        # 准备箱线图数据
        box_data = []
        means = []
        positions = []

        for i, d in enumerate(data):
            box_data.append([d['Min'], d['50%'], d['95%'], d['99%'], d['Max']])
            means.append(d['Mean'])
            positions.append(i + 1)

        # 创建图形
        fig, ax = plt.subplots()

        # 绘制箱线图主体
        ax.boxplot(box_data, vert=False, positions=positions, patch_artist=True, showmeans=False,
                   meanline=True, widths=0.6)

        # 添加均值点
        for i, mean in enumerate(means):
            ax.plot(mean, positions[i], 'ro')

        # 设置轴标签
        ax.set_yticks(np.arange(1, len(data) + 1))
        ax.set_yticklabels([f'Data {i + 1}' for i in range(len(data))])

        # 添加标题和标签
        plt.title('Custom Box Plot with Multiple Data Sets')
        plt.xlabel('Value')

        # 显示图形
        plt.show()
        plt.savefig('./boxPlot_auto.png')

        print('自定义箱线图')
        plt.clf()  # 清除当前图形内容
        # 数据
        # Min、50%、Mean、95%、99%、Max
        data = [
            {'data1':[10,50,44,90,97,100]},
            {'data2':[20,60,65,85,92,95]},
            {'data3':[5,40,45,80,88,90]}
        ]

        # 准备箱线图数据
        box_data = [d[list(d.keys())[0]] for d in data]  # 提取数据
        labels = [list(d.keys())[0] for d in data]
        means = [d[list(d.keys())[0]][2] for d in data]


        # 创建图形
        fig, ax = plt.subplots()

        # 绘制箱线图主体
        bp = ax.boxplot(box_data, vert=False,  patch_artist=True, showmeans=True,meanline=True)

        # 添加均值点
        for i, mean in enumerate(means):
            ax.plot(mean, i+1, 'ro')

        # 设置轴标签
        ax.set_yticklabels(labels)

        # 添加标题和标签
        plt.title('Custom Box Plot with Multiple Data Sets')
        plt.xlabel('Value')

        # 显示图形
        # plt.show()
        plt.savefig('./boxPlot_auto.png')

box_data提供了要绘制的数据。
vert=False表示绘制水平的箱线图。
patch_artist=True使得箱线图的箱体部分被填充颜色。
showmeans=True在箱线图中显示均值。
meanline=True用线条表示均值。