Python数据可视化：箱线图多种库画法
概念
箱线图通过数据的四分位数来展示数据的分布情况。例如：数据的中心位置，数据间的离散程度，是否有异常值等。
把数据从小到大进行排列并等分成四份，第一分位数(Q1)，第二分位数(Q2)和第三分位数(Q3)分别为数据的第25%，50%和75%的数字。
四分位间距(Interquartilerange(IQR))=上分位数(upperquartile)-下分位数(lowerquartile)
箱线图分为两部分，分别是箱(box)和须(whisker)。箱(box)用来表示从第一分位到第三分位的数据，须(whisker)用来表示数据的范围。
箱线图从上到下各横线分别表示：数据上限(通常是Q3+1.5IQR)，第三分位数(Q3)，第二分位数(中位数)，第一分位数(Q1)，数据下限(通常是Q1-1.5IQR)。有时还有一些圆点，位于数据上下限之外，表示异常值(outliers)。
(注：如果数据上下限特别大，那么whisker将显示数据的最大值和最小值。)
案例
1.使用pandas自带的函数
使用pandas里的dataframe数据结构存放待显示的数据。如果希望显示的各个数据列表中，数据长度不一致，可以先用Series函数转换为Series数据，再存储到dataframe中，对应index的value值若不存在则为NaN。
下面我们随机生成4组数据，看看他们的箱线图。
【代码】
importnumpyasnp
importpandasaspd
frommatplotlibimportpyplotasplt
deflist_generator(mean,dis,number):#封装一下这个函数，用来后面生成数据
returnnp.random.normal(mean,dis*dis,number)#normal分布，输入的参数是均值、标准差以及生成的数量
#我们生成四组数据用来做实验，数据量分别为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)
#如果数据大小不一，记得需要下面语句，把数组变为series
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()#这里，pandas自己有处理的过程，很方便哦。
plt.ylabel("ylabel")
plt.xlabel("xlabel")#我们设置横纵坐标的标题。
plt.show()
【效果】
上面的箱线图很简单，给出数据后，几行代码就能生成，不过这是简单的箱线图。下面再看看稍微复杂点的。
2.使用matplotlib库画箱线图
我们上面介绍了使用pandas画箱线图，几句命令就可以了。但是稍微复杂点的可以使用matplotlib库。matplotlib代码稍微复杂点，但是很灵活。细心点同学会发现pandas里面的画图也是基于此库的，下面给你看看pandas里面的源码：
通过源码可以看到pandas内部也是通过调用matplotlib来画图的。那下面我们自己实现用matplotlib画箱线图。
我们简单模拟一下，男女生从20岁，30岁的花费对比图，使用箱线图来可视化一下。
【代码】
importnumpyasnp importmatplotlib.pyplotasplt fig,ax=plt.subplots()#子图 deflist_generator(mean,dis,number):#封装一下这个函数，用来后面生成数据 returnnp.random.normal(mean,dis*dis,number)#normal分布，输入的参数是均值、标准差以及生成的数量 #我们生成四组数据用来做实验，数据量分别为70-100 #分别代表男生、女生在20岁和30岁的花费分布 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",])#设置x轴刻度标签 plt.show()
【效果】
从上面随机模拟，看出来男生花费赶不上女生吧，尤其是30岁以后，女生摔男生一大截啊。(模拟数据，请勿当真)
仔细看上面的图，感觉还是不太好，既然男女生对比，那是不是要分组，男女生放一块，然后再根据年龄段比较，这样比较才直观。
那我们就稍微改动上面一点点代码，实现男女生箱线图挨得近一点。
【代码】
importnumpyasnp importmatplotlib.pyplotasplt fig,ax=plt.subplots()#子图 deflist_generator(mean,dis,number):#封装一下这个函数，用来后面生成数据 returnnp.random.normal(mean,dis*dis,number)#normal分布，输入的参数是均值、标准差以及生成的数量 #我们生成四组数据用来做实验，数据量分别为70-100 #分别代表男生、女生在20岁和30岁的花费分布 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参数设置各箱线图的位置 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",])#设置x轴刻度标签 plt.show()
【效果】
这样看一下，是不是男女生根据年龄段分组了呢，稍微比上面好看些，也直观一些。这样既能看出年龄段的对比，又能看出男女生的对比。
同样，如果想要箱线图旋转90°，那么也是在在boxplot命令里加上参数vert=False即可。如果想要更多设置，可以基于boxplot函数参数进行修改，其函数定义如下：
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库和matplotlib来画箱线图
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。
函数定义：
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)
【参数讲解】x，y：dataframe中的列名(str)或者矢量数据
- data：dataframe或者数组
- palette：调色板，控制图像的色调
- hue(str)：dataframe的列名，按照列名中的值分类形成分类的条形图
- order,hue_order(listsofstrings)：用于控制条形图的顺序
- orient："v"|"h"用于控制图像使水平还是竖直显示(这通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用)
- fliersize：float，用于指示离群值观察的标记大小
- whis：确定离群值的上下界(IQR超过低和高四分位数的比例)，此范围之外的点将被识别为异常值。IQR指的是上下四分位的差值。
- width：float，控制箱型图的宽度
我们还是基于上面男女花费案例来说，不过这里我们把数据进行了整理，做成了数据框dataframe。
【包含的库】
importpandasaspd
importnumpyasnp
importseabornassns
importmatplotlib.pyplotasplt
#plt.rc("font",family="SimHei",size="15")避免中文乱码，可不用
【代码第一部分】数据生成
deflist_generator(mean,dis,number):#封装一下这个函数，用来后面生成数据
returnnp.random.normal(mean,dis*dis,number)#normal分布，输入的参数是均值、标准差以及生成的数量
#我们生成四组数据用来做实验，数据量分别为70-100
#分别代表男生、女生在20岁和30岁的花费分布
#构造数据库DataFrame
num=100#每组100个样本
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_inrange(num)]
boy_sex=['male'for_inrange(num)]
age20=[20for_inrange(num)]
age30=[30for_inrange(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())
数据长啥样?下面是给出的数据框前面的部分，一共400个样本，分性别和年龄。
【代码第二部分】使用seaborn库画图
简单看看所有数据的分布情况：
sns.boxplot(x="age",y="cost",data=data,hue="sex",width=0.5,linewidth=1.0,palette="Set3")
根据性别分组：
sns.boxplot(x="age",y="cost",data=data,hue="sex",width=0.5,linewidth=1.0,palette="Set3")
根据年龄分组：
sns.boxplot(x="sex",y="cost",data=data,hue="age",width=0.5,linewidth=1.0,palette="Set3")
上面这些是seaborn库的简单使用，可以通过年龄看男女花费比较，也可以根据性别看不同年龄段的花费比较，还是比较直观的。当然除此之外还有很多其他的炫技，大家可以自己尝试。
总结
从上面来看，虽然我们是采用不同方法来画箱线图，但是最基本的都是调用matplotlib库，这里面pandas是最简单的箱线图可视化，但是不灵活。而matplotlib虽然灵活，但是需要慢慢调，而且复杂。相比之下seaborn更加酷炫，而且图还更好看。上面例子都是本人亲测，一个个对比，原创文章，大家如果有其他问题可以留言讨论。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。