| python:matplotlib.pyplot绘制箱线图并 检测异常值(基础一) | 您所在的位置：网站首页 › 箱形图Python代码 › python:matplotlib.pyplot绘制箱线图并 检测异常值(基础一) |
python:matplotlib.pyplot绘制箱线图并 检测异常值(基础一)
|
在数据处理中，箱线图常用来检测异常值。 数据文件data01.xls
1.绘制箱线图使用boxplot()函数 import pandas as pd import matplotlib.pyplot as plt # 读取excel文件 file_01 = pd.read_excel("data01.xls") fig = plt.figure(figsize=(16, 8)) d1 = file_01['变量1'] d2 = file_01['变量2'] d3 = file_01['变量3'] d4 = file_01['变量4'] label = '变量1', '变量2', '变量3', '变量4' plt.boxplot([d1, d2, d3, d4], labels=label) # label设置横轴每个箱图对应的横坐标 plt.xticks(fontproperties='KaiTi') plt.xlabel('变量', fontproperties='KaiTi') plt.ylabel('变量值', fontproperties='KaiTi') plt.show()
2.使用vert=False:水平箱线图；showmeans=True：显示均值 # vert=False:水平箱线图；showmeans=True：显示均值 plt.boxplot([d1, d2, d3, d4], labels=label, vert=False, showmeans=True)
3.notch：是否是凹口的形式展现箱线图；sym：异常点的形状；还可设置箱体的颜色，箱体边框的颜色等，比较简单，不过多叙述 import pandas as pd import matplotlib.pyplot as plt # 读取excel文件 file_01 = pd.read_excel("data01.xls") fig = plt.figure(figsize=(16, 8)) d1 = file_01['变量1'] d2 = file_01['变量2'] d3 = file_01['变量3'] d4 = file_01['变量4'] label = '变量1', '变量2', '变量3', '变量4' # vert=False:水平箱线图；showmeans=True：显示均值 # plt.boxplot([d1, d2, d3, d4], labels=label, vert=False, showmeans=True) # notch：是否是凹口的形式展现箱线图；sym：异常点的形状； # plt.boxplot([d1, d2, d3, d4], labels=label, vert=False, showmeans=True, notch=True, sym='*') # 1.箱体颜色的设置需配合 patch_artist = True 使用 # 2.boxprops：color箱体边框色，facecolor箱体填充色； plt.boxplot([d1, d2, d3, d4], labels=label, patch_artist=True, vert=False, boxprops={'color': 'orangered', 'facecolor': 'pink'}) # plt.boxplot([d1, d2, d3, d4], labels=label) # label设置横轴每个箱图对应的横坐标 plt.yticks(fontproperties='KaiTi') plt.ylabel('变量', fontproperties='KaiTi') plt.xlabel('变量值', fontproperties='KaiTi') plt.show() 4.在使用箱线图查看异常值时，需要计算计算上四分位数和下四分数，基于1.5倍的四分位差计算上限和下限对应的值 箱线图简图：
假设有一组n个数据从小到大排列，箱体中包含了非异常数据的50%，上限和上四分位数之间为非异常数据的25%，下限和下四分位数之间为非异常数据的25%。上下限的数据为非异常数据的最大值和最小值。 首先可以计算上四分位数(占总数居的75%)和下四分位数(占总数居的25%)，使用quantile # 计算上四分位数和下四分数 # 上四分位数,d4接收 pandas.Series 数据格式 Q3 = d4.quantile(0.75) # 下四分位数 Q1 = d4.quantile(0.25)再计算基于1.5倍的四分位差计算上限和下限对应的值 # 基于1.5倍的四分位差计算上限和下限对应的值 # 上限值 up_value = Q3 + 1.5 * (Q3 - Q1) # 下限值 low_value = Q3 - 1.5 * (Q3 - Q1)
这里以excel文件中变量4对应的数据为例，需要注意的是在上下四分位数，d4接收的是pandas.Series 数据格式 import pandas as pd import matplotlib.pyplot as plt # 读取excel文件 file_01 = pd.read_excel("data01.xls") fig = plt.figure(figsize=(8, 8)) d4 = file_01['变量4'] plt.boxplot([d4], sym='*') plt.xticks(fontproperties='KaiTi') plt.xlabel('变量', fontproperties='KaiTi') plt.ylabel('变量值', fontproperties='KaiTi') # 删除异常值，调用warnings模块忽略警告 """可在boxplot参数中加入： showfliers=False""" # 计算上四分位数和下四分数 # 上四分位数,d4接收 pandas.Series 数据格式 Q3 = d4.quantile(0.75) # 下四分位数 Q1 = d4.quantile(0.25) print('Q3:', Q3, 'Q1:', Q1) # 基于1.5倍的四分位差计算上限和下限对应的值 # 上限值 up_value = Q3 + 1.5 * (Q3 - Q1) # 下限值 low_value = Q3 - 1.5 * (Q3 - Q1) print('up_value:', up_value, 'low_value', low_value) # low和up为d4中小于下限和大于上限输出的bool值 low = d4 < low_value up = d4 > up_value print(low, up) plt.show()输出箱线图为：
得到上四分位数(占总数居的75%)和下四分位数(占总数居的25%)分别为4.0和2.0，基于1.5倍的四分位差计算上限和下限对应的值分别为7.0和1.0
输出的low对应的结果，可见第10 行对应的bool值为true，说明在表格中，第10行的数据比下限还小，为一个异常值。(up对应的结果同理，不在重复) |
【本文地址】
公司简介
联系我们