; 1. 箱图含义
箱图是一中用于统计数据分布的统计图，也可以粗略地看出数据是否具有对称性，分布的分散程度等信息。箱图中的信息含义如下：
- 最下方的横线表示最小值
- 最上方的横线表示最大值
- 黑色空心圆圈表示异常值
- 黑色实心圆圈表示极端值
- 箱子由下四分位数、中值以及上四分位数组成
异常值又称离群值，指大于1.5倍的四分位数间距的值。处于1.5倍~3倍四分位数间距的值用空心圆圈表示。极端值属于异常值中的一种。
极端值是指大于3倍的四分位数间距的值。
2.计算方法
首先找出一组数据的五个特征值，包括除异常值外的最小值(minimum)和最大值（maximum）、中位数（median）、两个四分位数（上四分位数Q1和下四分位Q3数）；
中位数：将所有数值 从小到大排列，如果是 奇数个数值则取最中间一个值作为中位数，之后最中间的值在计算Q1和Q3时 不再使用； 偶数个数值则取最中间两个数的平均数作为中位数，这两个数在计算Q1和Q3时 继续使用。
Q1：中位数将所有数据分成两部分， 最小值到中位数的部分按取中位数的方法取中位数作为Q1。
Q3：同Q1取法，取 中位数到最大值的中位数。
IQR(四分位数间距)= Q3-Q1。
所有不在（Q1-1.5IQR，Q3+1.5IQR）的区间内的数为 离群值，剩下的值最大的为最大值，最小的为最小值。
特征值（从下到上）：最小值、Q1、中位数、Q3、最大值
将五个数值描绘在一个图上，五个特征值 在一个直线上，最小值和Q1连接起来，Q1、中位数、Q3分别作 平行等长线段，
然后，连接两个四分位数构成箱子。
最后连接两个极值点与箱子，形成箱式图，然后点上离群值即可。
3.绘图
3.1 绘制单个箱图
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(100)
data = np.random.normal(size=(1000,),loc=0,scale=1)
plt.boxplot(data)
plt.show()
3.2 绘制多个箱图
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(100)
data = np.random.normal(size=(1000,4),loc=0,scale=1)
plt.boxplot(data)
plt.show()
3.3实战
def plt_box_iamge(df):
"""
snrr的五个范围为[5,10)、[10,15)、[15,20)、[20,30)、[30-)，按照五个snrr范围计算对应redchi的箱图
:param df:包含snrr以及redchi的csv数据（dataFrame）。
:return:
"""
df1 = df.loc[df['lam_snrr'] >= 5]
redchi_1 = df1.loc[df1['lam_snrr'] < 10].redchi
df2 = df.loc[df['lam_snrr'] >= 10]
redchi_2 = df2.loc[df2['lam_snrr'] < 15].redchi
df3 = df.loc[df['lam_snrr'] >= 15]
redchi_3 = df3.loc[df3['lam_snrr'] < 20].redchi
df4 = df.loc[df['lam_snrr'] >= 20]
redchi_4 = df4.loc[df4['lam_snrr'] < 30].redchi
redchi_5 = df.loc[df['lam_snrr'] >= 30].redchi
ax = plt.subplot()
ax.boxplot([redchi_1, redchi_2, redchi_3, redchi_4, redchi_5])
ax.set_xticklabels(['5, '10, '15, '20, '30], fontsize=8)
plt.savefig('./images/box.jpg')
plt.show()
if __name__ == '__main__':
df = pd.read_csv('./inputfile/lamost6w_new.csv')
df_sc = screening(df)
plt_box_iamge(df_sc)
3.3 参数详解
plt.boxplot(x,
notch=None,
sym=None,
vert=None,
whis=None,
positions=None,
widths=None,
patch_artist=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)
3.4 常用方法
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(100)
data = np.random.normal(size=(1000,4),loc=0,scale=1)
ax = plt.subplot()
ax.boxplot(data)
ax.set_xlim([0,5])
ax.set_xlabel("xlabel")
ax.set_xticklabels(['A','B','C','D'], rotation=30,fontsize=10)
ax.set_title("xcy")
ax.legend(labels= ['A','B','C','D'],loc='best',)
ax.text(x=0.2 , y=3.5 , s="test" ,fontsize=12)
plt.show()
参考：
百度百科
matplotlib官方文档Original: https://blog.csdn.net/qq_45807032/article/details/112974494
Author: xcy.小相
Title: plt.boxplot()函数绘制箱图、常用方法及含义详解
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/693960/
转载文章受原作者版权保护。转载请注明原作者出处！