Matplotlib入门06-箱线图

箱线图[2020年4月]

官方文档

1、箱线图的功能

01、直观明了地识别数据批中的异常值
箱形图可以用来观察数据整体的分布情况，利用中位数，25/%分位数，75/%分位数，上边界，下边界等统计量来来描述数据的整体分布情况。通过计算这些统计量，生成一个箱体图，箱体包含了大部分的正常数据，而在箱体上边界和下边界之外的，就是异常数据。

02、判断数据的偏态和尾重
对于标准正态分布的大样本，中位数位于上下四分位数的中央，箱形图的方盒关于中位线对称。中位数越偏离上下四分位数的中心位置，分布偏态性越强。异常值集中在较大值一侧，则分布呈现右偏态；异常值集中在较小值一侧，则分布呈现左偏态。

03、比较多批数据的形状
箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。因此，箱子的宽度在一定程度上反映了数据的波动程度。箱体越扁说明数据越集中，端线（也就是“须”）越短也说明数据集中。
原文

2、常用参数解释

参数	解释
x	表示数据，可以是一组，也可以是多组。
notch	bool,改变箱型图的形状，
sys	离群点的形状,=‘’,不展示，也可以用其它参数设置不展示。
vert	为False翻转图形
whis	确定上下限到四分位数的直线，可以通过调整这个区分异常值。可以传浮点数，传元组。当是浮点数时，位置分别为（Q1-whis*(Q3-Q1),Q3 + whis*(Q3-Q1)，传两个值没搞懂，详见官方文档。😂
label	箱线图名称设置
meanline and showmeans	同时设置为True可展示均值虚线
patch_artist	设置值为true，创建filled boxes，用来填充颜色

3、简单图形绘制

import matplotlib.pyplot as plt
#import numpy as np 


#场景  班级成绩  10科
xiaoming=[10, 75, 20, 75, 31, 42, 69, 24, 5, 43,200]
xiaogang=[70, 50, 49, 5, 71, 92, 13, 57, 35, 24]
xiaodong=[-10, 50, 49, 50, 71, 99, 103, 57, 90, 20]
colors = ['#91cc75', '#fac858','#fc8452']

#绘制图形
box_plot = plt.boxplot([xiaoming,xiaogang,xiaodong],patch_artist=True,notch=False,sym='o',vert=True,whis=1.5,labels=["xiaoming","xiaogang","xiaodong"],meanline=True,showmeans=True)

#绘制每个箱子的颜色
for patch, color in zip(box_plot['boxes'], colors):
    patch.set_facecolor(color)
    
# 设置箱子两端线的竖线
for whisker in box_plot['whiskers']:
    whisker.set(color='black', linewidth=1.5)
# # 设置顶端和末端线条的属性
for cap in box_plot['caps']:
    cap.set(color='black', linewidth=1.5)
# 设置中位数的属性
for median in box_plot['medians']:
    median.set(color='black', linewidth=1.5)
# 设置平均值的属性
for median in box_plot['means']:
    median.set(color='black', linewidth=1.5)  

#设置标题
plt.xlabel('Contestant')
plt.ylabel('Score')
plt.title('CommonLit - Evaluate Student Summaries')

#展示图形
plt.show()