您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)Python中箱線圖多種庫(kù)畫法的示例分析,小編覺得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
概念
箱線圖通過數(shù)據(jù)的四分位數(shù)來展示數(shù)據(jù)的分布情況。例如:數(shù)據(jù)的中心位置,數(shù)據(jù)間的離散程度,是否有異常值等。
把數(shù)據(jù)從小到大進(jìn)行排列并等分成四份,第一分位數(shù)(Q1),第二分位數(shù)(Q2)和第三分位數(shù)(Q3)分別為數(shù)據(jù)的第25%,50%和75%的數(shù)字。
四分位間距(Interquartilerange(IQR))=上分位數(shù)(upper quartile)-下分位數(shù)(lower quartile)
箱線圖分為兩部分,分別是箱(box)和須(whisker)。箱(box)用來表示從第一分位到第三分位的數(shù)據(jù),須(whisker)用來表示數(shù)據(jù)的范圍。
箱線圖從上到下各橫線分別表示:數(shù)據(jù)上限(通常是Q3+1.5IQR),第三分位數(shù)(Q3),第二分位數(shù)(中位數(shù)),第一分位數(shù)(Q1),數(shù)據(jù)下限(通常是Q1-1.5IQR)。有時(shí)還有一些圓點(diǎn),位于數(shù)據(jù)上下限之外,表示異常值(outliers)。
(注:如果數(shù)據(jù)上下限特別大,那么whisker將顯示數(shù)據(jù)的最大值和最小值。)
案例
1. 使用pandas自帶的函數(shù)
使用pandas里的dataframe數(shù)據(jù)結(jié)構(gòu)存放待顯示的數(shù)據(jù)。如果希望顯示的各個(gè)數(shù)據(jù)列表中,數(shù)據(jù)長(zhǎng)度不一致,可以先用Series函數(shù)轉(zhuǎn)換為Series數(shù)據(jù),再存儲(chǔ)到dataframe中,對(duì)應(yīng)index的value值若不存在則為NaN。
下面我們隨機(jī)生成4組數(shù)據(jù),看看他們的箱線圖。
【代碼】
import numpy as np import pandas as pd from matplotlib import pyplot as plt def list_generator(mean, dis, number): # 封裝一下這個(gè)函數(shù),用來后面生成數(shù)據(jù) return np.random.normal(mean, dis * dis, number) # normal分布,輸入的參數(shù)是均值、標(biāo)準(zhǔn)差以及生成的數(shù)量 # 我們生成四組數(shù)據(jù)用來做實(shí)驗(yàn),數(shù)據(jù)量分別為70-100 y1 = list_generator(0.8531, 0.0956, 70) y2 = list_generator(0.8631, 0.0656, 80) y3 = list_generator(0.8731, 0.1056, 90) y4 = list_generator(0.8831, 0.0756, 100) # 如果數(shù)據(jù)大小不一,記得需要下面語(yǔ)句,把數(shù)組變?yōu)閟eries y1 = pd.Series(np.array(y1)) y2 = pd.Series(np.array(y2)) y3 = pd.Series(np.array(y3)) y4 = pd.Series(np.array(y4)) data = pd.DataFrame({"1": y1, "2": y2, "3": y3, "4": y4, }) data.boxplot() # 這里,pandas自己有處理的過程,很方便哦。 plt.ylabel("ylabel") plt.xlabel("xlabel") # 我們?cè)O(shè)置橫縱坐標(biāo)的標(biāo)題。 plt.show()
【效果】
上面的箱線圖很簡(jiǎn)單,給出數(shù)據(jù)后,幾行代碼就能生成,不過這是簡(jiǎn)單的箱線圖。下面再看看稍微復(fù)雜點(diǎn)的。
2. 使用matplotlib庫(kù)畫箱線圖
我們上面介紹了使用pandas畫箱線圖,幾句命令就可以了。但是稍微復(fù)雜點(diǎn)的可以使用matplotlib庫(kù)。matplotlib代碼稍微復(fù)雜點(diǎn),但是很靈活。細(xì)心點(diǎn)同學(xué)會(huì)發(fā)現(xiàn)pandas里面的畫圖也是基于此庫(kù)的,下面給你看看pandas里面的源碼:
通過源碼可以看到pandas內(nèi)部也是通過調(diào)用matplotlib來畫圖的。那下面我們自己實(shí)現(xiàn)用matplotlib畫箱線圖。
我們簡(jiǎn)單模擬一下,男女生從20歲,30歲的花費(fèi)對(duì)比圖,使用箱線圖來可視化一下。
【代碼】
import numpy as np import matplotlib.pyplot as plt fig, ax = plt.subplots() # 子圖 def list_generator(mean, dis, number): # 封裝一下這個(gè)函數(shù),用來后面生成數(shù)據(jù) return np.random.normal(mean, dis * dis, number) # normal分布,輸入的參數(shù)是均值、標(biāo)準(zhǔn)差以及生成的數(shù)量 # 我們生成四組數(shù)據(jù)用來做實(shí)驗(yàn),數(shù)據(jù)量分別為70-100 # 分別代表男生、女生在20歲和30歲的花費(fèi)分布 girl20 = list_generator(1000, 29.2, 70) boy20 = list_generator(800, 11.5, 80) girl30 = list_generator(3000, 25.1056, 90) boy30 = list_generator(1000, 19.0756, 100) data=[girl20,boy20,girl30,boy30,] ax.boxplot(data) ax.set_xticklabels(["girl20", "boy20", "girl30", "boy30",]) # 設(shè)置x軸刻度標(biāo)簽 plt.show()
【效果】
從上面隨機(jī)模擬,看出來男生花費(fèi)趕不上女生吧,尤其是30歲以后,女生摔男生一大截啊。(模擬數(shù)據(jù),請(qǐng)勿當(dāng)真)
仔細(xì)看上面的圖,感覺還是不太好,既然男女生對(duì)比,那是不是要分組,男女生放一塊,然后再根據(jù)年齡段比較,這樣比較才直觀。
那我們就稍微改動(dòng)上面一點(diǎn)點(diǎn)代碼,實(shí)現(xiàn)男女生箱線圖挨得近一點(diǎn)。
【代碼】
import numpy as np import matplotlib.pyplot as plt fig, ax = plt.subplots() # 子圖 def list_generator(mean, dis, number): # 封裝一下這個(gè)函數(shù),用來后面生成數(shù)據(jù) return np.random.normal(mean, dis * dis, number) # normal分布,輸入的參數(shù)是均值、標(biāo)準(zhǔn)差以及生成的數(shù)量 # 我們生成四組數(shù)據(jù)用來做實(shí)驗(yàn),數(shù)據(jù)量分別為70-100 # 分別代表男生、女生在20歲和30歲的花費(fèi)分布 girl20 = list_generator(1000, 29.2, 70) boy20 = list_generator(800, 11.5, 80) girl30 = list_generator(3000, 25.1056, 90) boy30 = list_generator(1000, 19.0756, 100) data=[girl20,boy20,girl30,boy30,] # 用positions參數(shù)設(shè)置各箱線圖的位置 ax.boxplot(data,positions=[0, 0.6, 3, 3.7,])# 就是后面加了位置 ax.set_xticklabels(["girl20", "boy20", "girl30", "boy30",]) # 設(shè)置x軸刻度標(biāo)簽 plt.show()
【效果】
這樣看一下,是不是男女生根據(jù)年齡段分組了呢,稍微比上面好看些,也直觀一些。這樣既能看出年齡段的對(duì)比,又能看出男女生的對(duì)比。
同樣,如果想要箱線圖旋轉(zhuǎn)90°,那么也是在在 boxplot命令里加上參數(shù) vert=False即可。如果想要更多設(shè)置,可以基于 boxplot函數(shù)參數(shù)進(jìn)行修改,其函數(shù)定義如下:
boxplot(self, x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, autorange=False, zorder=None)
3. 使用seaborn庫(kù)和matplotlib來畫箱線圖
Seaborn是基于matplotlib的Python可視化庫(kù)。 它提供了一個(gè)高級(jí)界面來繪制有吸引力的統(tǒng)計(jì)圖形。Seaborn其實(shí)是在matplotlib的基礎(chǔ)上進(jìn)行了更高級(jí)的API封裝,從而使得作圖更加容易,不需要經(jīng)過大量的調(diào)整就能使你的圖變得精致。但應(yīng)強(qiáng)調(diào)的是,應(yīng)該把Seaborn視為matplotlib的補(bǔ)充,而不是替代物。
函數(shù)定義:
boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=.75, width=.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
【參數(shù)講解】 x,y:dataframe中的列名(str)或者矢量數(shù)據(jù)
data:dataframe或者數(shù)組
palette:調(diào)色板,控制圖像的色調(diào)
hue(str):dataframe的列名,按照列名中的值分類形成分類的條形圖
order, hue_order (lists of strings):用于控制條形圖的順序
orient:"v"|"h" 用于控制圖像使水平還是豎直顯示(這通常是從輸入變量的dtype推斷出來的,此參數(shù)一般當(dāng)不傳入x、y,只傳入data的時(shí)候使用)
fliersize:float,用于指示離群值觀察的標(biāo)記大小
whis:確定離群值的上下界(IQR超過低和高四分位數(shù)的比例),此范圍之外的點(diǎn)將被識(shí)別為異常值。IQR指的是上下四分位的差值。
width:float,控制箱型圖的寬度
我們還是基于上面男女花費(fèi)案例來說,不過這里我們把數(shù)據(jù)進(jìn)行了整理,做成了數(shù)據(jù)框dataframe。
【包含的庫(kù)】
import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt # plt.rc("font", family="SimHei", size="15") 避免中文亂碼,可不用
【代碼第一部分】數(shù)據(jù)生成
def list_generator(mean, dis, number): # 封裝一下這個(gè)函數(shù),用來后面生成數(shù)據(jù) return np.random.normal(mean, dis * dis, number) # normal分布,輸入的參數(shù)是均值、標(biāo)準(zhǔn)差以及生成的數(shù)量 # 我們生成四組數(shù)據(jù)用來做實(shí)驗(yàn),數(shù)據(jù)量分別為70-100 # 分別代表男生、女生在20歲和30歲的花費(fèi)分布 # 構(gòu)造數(shù)據(jù)庫(kù)DataFrame num = 100 # 每組100個(gè)樣本 girl20 = list_generator(1000, 29.2, num) boy20 = list_generator(800, 11.5, num) girl30 = list_generator(3000, 25.1056, num) boy30 = list_generator(1000, 19.0756, num) girl_sex = ['female' for _ in range(num)] boy_sex = ['male' for _ in range(num)] age20 = [20 for _ in range(num)] age30 = [30 for _ in range(num)] girl_d1 = pd.DataFrame({'cost': girl20, 'sex': girl_sex, 'age': age20}) boy_d1 = pd.DataFrame({'cost': boy20, 'sex': boy_sex, 'age': age20}) girl_d2 = pd.DataFrame({'cost': girl30, 'sex': girl_sex, 'age': age30}) boy_d2 = pd.DataFrame({'cost': boy30, 'sex': boy_sex, 'age': age30}) data = pd.concat([girl_d1, boy_d1, girl_d2, boy_d2]) print(data.head())
數(shù)據(jù)長(zhǎng)啥樣?下面是給出的數(shù)據(jù)框前面的部分,一共400個(gè)樣本,分性別和年齡。
【代碼第二部分】使用seaborn庫(kù)畫圖
簡(jiǎn)單看看所有數(shù)據(jù)的分布情況:
sns.boxplot(x="age", y="cost", data=data, hue="sex", width=0.5, linewidth=1.0, palette="Set3")
根據(jù)性別分組:
sns.boxplot(x="age", y="cost", data=data, hue="sex", width=0.5, linewidth=1.0, palette="Set3")
根據(jù)年齡分組:
sns.boxplot(x="sex", y="cost", data=data, hue="age", width=0.5, linewidth=1.0, palette="Set3")
上面這些是seaborn庫(kù)的簡(jiǎn)單使用,可以通過年齡看男女花費(fèi)比較,也可以根據(jù)性別看不同年齡段的花費(fèi)比較,還是比較直觀的。當(dāng)然除此之外還有很多其他的炫技,大家可以自己嘗試。
關(guān)于“Python中箱線圖多種庫(kù)畫法的示例分析”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,使各位可以學(xué)到更多知識(shí),如果覺得文章不錯(cuò),請(qǐng)把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。