- 也表明上下触须不一定是数据的最大最小值,1).若数据的最大值比上限值小的,那么上触须顶点就是观察到的最大的;若数据的最大值比上限值大的,那么上触须顶点就是上限值,观察到的最大值就是异常点。2).若数据的最小值比下限值大的,那么下触须顶点就是观察到的最小值;若数据的最小值比下限值小的,那么下触须顶点就是下限值,观察到的最小值就是异常点。
- 上述情况复杂,在线范围外的,直接理解成异常值即可
5.偏度:
- 对称分布:中位线在箱子中间,上下相邻值到箱子的距离等长,离群点在上下限值外的分布也大致相同。
- 右偏分布:中位数更靠近下四分位数,上相邻值到箱子的距离比下相邻值到箱子的距离长,离群点多数在上限值之外。
- 左偏分布:中位数更靠近上四分位数,下相邻值到箱子的距离比上相邻值到箱子的距离长,离群点多数在下限值之外。
plt.boxplot(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, hold=None, data=None)
- x:指定要绘制箱线图的数据;
- notch:是否是凹口的形式展现箱线图,默认非凹口;
- sym:指定异常点的形状,默认为+号显示;
- vert:是否需要将箱线图垂直摆放,默认垂直摆放;
- whis:指定上下须与上下四分位的距离,默认为1.5倍的四分位差;
- positions:指定箱线图的位置,默认为[0,1,2…];
- widths:指定箱线图的宽度,默认为0.5;
- patch_artist:是否填充箱体的颜色;
- meanline:是否用线的形式表示均值,默认用点来表示;
- showmeans:是否显示均值,默认不显示;
- showcaps:是否显示箱线图顶端和末端的两条线,默认显示;
- showbox:是否显示箱线图的箱体,默认显示;
- showfliers:是否显示异常值,默认显示;
- boxprops:设置箱体的属性,如边框色,填充色等;
- labels:为箱线图添加标签,类似于图例的作用;
- filerprops:设置异常值的属性,如异常点的形状、大小、填充色等;
- medianprops:设置中位数的属性,如线的类型、粗细等;
- meanprops:设置均值的属性,如点的大小、颜色等;
- capprops:设置箱线图顶端和末端线条的属性,如颜色、粗细等;
- whiskerprops:设置须的属性,如颜色、粗细、线的类型等;
例1
import numpy as np
import matplotlib.pyplot as plt
plt.style.use("ggplot")
plt.rcParams["font.sans-serif"]=["SimHei"] #用来正常显示中文标签
plt.rcParams["axes.unicode_minus"]=False #用来正常显示负号
np.random.seed(500)
data = np.random.normal(size=(1000,2),loc=0,scale=1)
plt.boxplot(data,labels=list("AB"),widths=0.5)
plt.show()
例2 针对箱线图箱体太扁、异常值突出情况
借用kaggle泰坦尼克号生存预测数据,船费一项作为例子
import pandas as pd
import numpy as np
df = pd.read_csv(r"G:\Kaggle\Titanic\train.csv")
plt.boxplot("Fare",data=df)
plt.show()
用seaborn来画
import seaborn as sns
sns.boxplot(y="Fare",data=df) #不注明y轴的话,箱线图是横躺着的
plt.show()
箱体很扁,异常值特别突出,难以看出数据的分布情况。留意到票价均为正数,我们选择将票价做对数变换。否则就换另一种图形来呈现数据,箱线图不行。
x = df.Fare
df["new_Fare"] = np.log(x)
plt.boxplot(x="new_Fare",data=df)
plt.show()
F:\Anaconda\lib\site-packages\ipykernel_launcher.py:2: RuntimeWarning: divide by zero encountered in log
sns.boxplot(y="new_Fare",data=df) #不注明y轴的话,箱线图是横躺着的
plt.show()
这样就好看多了,看得出中位线、数据分布情况,异常值也没这么凸显了。
在一个定量变量的基础上,加入Pclass定性变量进行分组
import seaborn as sns
sns.boxplot(x="Pclass",y="new_Fare",data=df)
plt.show()
在一个定量变量、一个定性变量的基础上,再加入一个定性变量Survived进行分组
sns.boxplot(x="Pclass",y="new_Fare",hue="Survived",data=df)
plt.show()
今天先作此笔记,后续再补充
箱线图boxplot