Python画箱线图展示数据分布情况

06-18 1217阅读

箱线图（Boxplot）是一种常用的统计图表，用于展示数据的分布情况。

它由五个统计量组成：最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）和最大值。

通过这些统计量，可以直观地了解数据的集中趋势、离散程度以及是否存在异常值。

构成要素

中位数（Q2）：
- 箱线图中的中间线代表数据的中位数，即将数据按大小排列后中间位置的数值。
四分位数（Q1和Q3）：
- 箱体的上边界（Q3）和下边界（Q1）分别表示数据的第三四分位数和第一四分位数。箱子的高度即为四分位距（IQR），是Q3和Q1的差值，用来衡量数据的离散程度。
盒须：
- 箱体外部的直线（盒须）延伸至数据集的最大值和最小值，用来显示非异常值的范围。盒须外部的点表示可能的异常值，即相对于主体数据分布偏离较大的数据点。
异常值：
- 在盒须外部的点表示可能存在的异常值，即与其他数据点相比显著偏离的数据。

使用场景

箱线图常用于以下情况：

数据分布比较：可以同时比较多组数据的分布情况，帮助观察各组数据的中位数、四分位数和离散程度。
异常值检测：通过观察箱体外部的点，可以快速发现可能的异常值或离群点。

数据分散度分析：箱体的长度和位置反映了数据的分散程度，有助于对数据的离散程度进行比较。

        # 创建示例数据
        data = {
            'Group': ['A'] * 11 + ['B'] * 10 + ['C'] * 10,
            'Value': [23, 25, 19, 21, 24, 27, 22, 20, 21, 24, -1, # Group A
                      30, 28, 36, 31, 34, 29, 35, 33, 32, 30,  # Group B
                      15, 17, 14, 16, 13, 18, 14, 15, 17, 16]  # Group C
        }
        # 转换为 DataFrame
        df = pd.DataFrame(data)
        # 设置绘图风格
        sns.set()
        # 绘制箱线图
        plt.figure(figsize=(10, 6))
        sns.boxplot(x='Group', y='Value', data=df)
        # 添加标题和标签
        plt.title('Box Plot of Three Groups')
        plt.xlabel('Group')
        plt.ylabel('Value')
        # 显示图表
        # plt.show()
        plt.savefig('./boxPlot_seaborn.png')