Matplotlib 箱线图

Matplotlib 箱线图函数

箱线图，也叫做 “箱形图”。箱线图使用 6 个统计量来描述数据，也就是：最大值、上四分位数、中位数、下四分位数、最小值、异常值，如下图所示。

Matplotlib箱线图

在 Matplotlib 中，我们可以使用 boxplot() 函数来绘制一个箱线图。其中，箱线图主要作用有 2 个：① 查看数据的分布情况；② 发现数据中的异常点。

语法：

plt.boxplot(x)

说明：

x 是箱线图的数据。它可以是一维数据（如一维列表或 Series），也可以是二维数据（如二维列表或 DataFrame）。如果是一维数据，则表示绘制一个箱线图；如果是二维数据，则表示绘制多个箱线图。

示例 1：一个箱线图

import matplotlib.pyplot as plt

# 绘图
x = [0, 8, 1, 3, 6]
plt.boxplot(x)

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib绘制一个箱线图

分析：

从箱线图可以看出，对于 x 这一组数据，它的最大值是 8、上四分位数是 6、中位数是 3、下四分位数是 1、最小值是 0。其中四分位数以及中位数的，这些都是数据分析中的概念。

示例 2：多个箱线图

import matplotlib.pyplot as plt

# 绘图
x1 = [0, 8, 1, 3, 6]
x2 = [16, 13, 10, 14, 12]
x3 = [20, 24, 21, 23, 27]
plt.boxplot([x1, x2, x3])

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib绘制多个箱线图

分析：

同时绘制多个箱线图也很简单，此时 boxplot() 函数接收一个列表作为参数就可以了。列表的每一个元素本身又是一个列表。

示例 3：异常值

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
plt.boxplot(x)

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib箱线图的异常值

分析：

对于 x 中的数据，大多数都是分布在 10 ~ 50 之间，但是这里的 80 和 90 已经远远超过这个范围了，所以 Matplotlib 会自动标识它们为异常值。其中图中的两个小圆圈代表的就是异常值（异常数据）。

需要清楚的是，异常值是箱线图自动识别的，而不是我们手动设置的。一般来说，如果某些数据不在大多数数据的范围，就会自动被标记为异常值。

Matplotlib 箱线图样式

为了让箱线图更加的美观，boxplot() 函数还提供了很多用于定义样式的参数，常用的如下表所示。

boxplot() 函数的样式参数
参数	说明
notch	是否有缺口，默认为 False（不带缺口）
vert	是否为纵向，默认为 True（纵向）
showmeans	是否显示平均值，默认为 False（不显示）
showfliers	是否显示异常值，默认为 True（显示）
flierprops	异常点的样式，值是一个字典
boxprops	箱子的样式，值是一个字典，需要结合 patch_artist=True 一起使用
labels	指定每个箱线图的标签

示例 4：带缺口

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
plt.boxplot(x, notch=True)

# 显示
plt.show()

运行之后，效果如下图所示。

带缺口的Matplotlib箱线图

分析：

notch=True 用于设置箱型图有缺口，缺口的作用其实非常简单，那就是为了突出中位数。

示例 5：横向显示

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
plt.boxplot(x, vert=False)

# 显示
plt.show()

运行之后，效果如下图所示。

横向的Matplotlib箱线图

示例 6：显示平均值

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
plt.boxplot(x, showmeans=True)

# 显示
plt.show()

运行之后，效果如下图所示。

显示平均值的Matplotlib箱线图

分析：

“平均值” 和 “中位数” 是两个完全不一样的东西，小伙伴们一定也要严格区分，别把它们给搞混了。

示例 7：隐藏异常值

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
plt.boxplot(x, showfliers=False)

# 显示
plt.show()

运行之后，效果如下图所示。

隐藏异常值的Matplotlib箱线图

分析：

对于这个例子来说，它存在 2 个异常值：80 和 90。showfliers=False 用于隐藏异常值。

示例 8：异常点的样式

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
styles = {
    'marker': 'D', 
    'markersize': 8, 
    'markerfacecolor': 'orange', 
    'markeredgecolor': 'red'
}
plt.boxplot(x, flierprops=styles)

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib定义箱线图异常点样式

分析：

异常点的样式，可以通过 marker、markersize、markerfacecolor、markderedgecolor 这 4 个参数来定义的，说明如下表所示。

异常值的样式参数
参数	说明
marker	外观
markersize	大小
markerfacecolor	颜色
markeredgecolor	边框颜色

示例 9：箱子的样式

import matplotlib.pyplot as plt

# 绘图
x = [23, 34, 11, 29, 33, 13, 33, 45, 80, 90]
styles = {
    'facecolor': 'pink',
    'edgecolor': 'red',
}
plt.boxplot(x, patch_artist=True, boxprops=styles)

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib箱线图定义箱子样式

分析：

想要使得 boxprops 生效，我们必须先设置 patch_artist=True。boxprops 和 patch_artist 这 2 个参数都是配合一起使用的。此外，facecolor 用于定义箱子颜色，而 edgecolor 用于定义边框颜色。

示例 10：标签说明

import matplotlib.pyplot as plt

# 绘图
x1 = [0, 8, 1, 3, 6]
x2 = [16, 13, 10, 14, 12]
x3 = [20, 24, 21, 23, 27]
plt.boxplot([x1, x2, x3], labels=['A', 'B', 'C'])

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib箱线图添加标签说明

分析：

当同时绘制多个箱线图时，我们可以使用 labels 参数来给每一个箱线图定义标签说明。从上面可以看出来，箱线图本身其实非常简单，大家不要因为之前没有接触过，就被它可怕的外表给欺骗了。

最后需要说明的是，箱线图和散点图有点类似，它们非常适用于快速找出数据中的异常值，这个对于我们数据分析是非常有用的。

Matplotlib 箱线图案例

在当前项目下的 data 文件夹中有一个 staff.csv 文件，项目结构如下图所示。其中 staff.csv 文件保存的是所有员工的年龄，内容如下图所示。接下来我们尝试使用箱线图来判断年龄是否存在异常值。

Matplotlib箱线图的项目结构

staff.csv的数据

示例 11：Matplotlib 箱线图的实际应用

import pandas as pd
import matplotlib.pyplot as plt

# 设置
plt.rcParams['font.family'] = ['SimHei', 'PingFang SC'] 
plt.rcParams['axes.unicode_minus'] = False

# 读取数据
df = pd.read_csv('data/staff.csv')
# 绘制图表
styles = {
    'markerfacecolor': 'red',
    'markeredgecolor': 'red'
}
plt.boxplot(df['年龄'], flierprops=styles)
plt.title('员工年龄箱线图')

# 显示
plt.show()

运行之后，效果如下图所示。

Matplotlib箱线图案例的效果

分析：

从结果可以看出来，年龄这一列存在 2 个异常点。那么是不是箱线图就一定能判断出异常值呢？那可不一定。比如我们修改一下 staff.csv，也就是将小明的年龄修改成 142，如下图所示。再次运行代码，此时效果就变成如下图所示了。

修改后的age.csv

修改后的箱线图效果

为什么这个时候箱线图就没能把异常值给找出来呢？这是因为对于 staff.csv 这个数据集来说，它的异常值所占比例已经比较大了，此时箱线图会把这些异常值当做是正常值来看待。当然了，当样本数量足够多时，箱线图还是可以非常准确地判断异常值的。

从上面我们也应该知道，箱线图只是一个辅助工具，并不能保证一定能判断出异常值。所以在实际工作中，我们除了借助可视化库之外，也要结合自己的业务经验，这样才能准确判断。