| Python数据可视化：箱线图多种库画法 | 您所在的位置：网站首页 › 花灯画法复杂好看 › Python数据可视化：箱线图多种库画法 |
Python数据可视化：箱线图多种库画法
|
概念
箱线图通过数据的四分位数来展示数据的分布情况。例如：数据的中心位置，数据间的离散程度，是否有异常值等。 把数据从小到大进行排列并等分成四份，第一分位数（Q1），第二分位数（Q2）和第三分位数（Q3）分别为数据的第25%，50%和75%的数字。 I-------------IoI-------------IoI-------------IoI-------------I Q1 Q2 Q3 (lower quartile) (median) (upper quartile)四分位间距（Interquartile range（IQR））=上分位数（upper quartile） - 下分位数（lower quartile） 箱线图分为两部分，分别是箱（box）和须（whisker）。箱（box）用来表示从第一分位到第三分位的数据，须（whisker）用来表示数据的范围。 箱线图从上到下各横线分别表示：数据上限（通常是Q3+1.5IQR），第三分位数（Q3），第二分位数（中位数），第一分位数（Q1），数据下限（通常是Q1-1.5IQR）。有时还有一些圆点，位于数据上下限之外，表示异常值（outliers）。 （注：如果数据上下限特别大，那么whisker将显示数据的最大值和最小值。）
使用pandas里的dataframe数据结构存放待显示的数据。如果希望显示的各个数据列表中，数据长度不一致，可以先用Series函数转换为Series数据，再存储到dataframe中，对应index的value值若不存在则为NaN。 下面我们随机生成4组数据，看看他们的箱线图。 【代码】 import numpy as np import pandas as pd from matplotlib import pyplot as plt def list_generator(mean, dis, number): # 封装一下这个函数，用来后面生成数据 return np.random.normal(mean, dis * dis, number) # normal分布，输入的参数是均值、标准差以及生成的数量 # 我们生成四组数据用来做实验，数据量分别为70-100 y1 = list_generator(0.8531, 0.0956, 70) y2 = list_generator(0.8631, 0.0656, 80) y3 = list_generator(0.8731, 0.1056, 90) y4 = list_generator(0.8831, 0.0756, 100) # 如果数据大小不一，记得需要下面语句，把数组变为series y1 = pd.Series(np.array(y1)) y2 = pd.Series(np.array(y2)) y3 = pd.Series(np.array(y3)) y4 = pd.Series(np.array(y4)) data = pd.DataFrame({"1": y1, "2": y2, "3": y3, "4": y4, }) data.boxplot() # 这里，pandas自己有处理的过程，很方便哦。 plt.ylabel("ylabel") plt.xlabel("xlabel") # 我们设置横纵坐标的标题。 plt.show()【效果】 上面的箱线图很简单，给出数据后，几行代码就能生成，不过这是简单的箱线图。下面再看看稍微复杂点的。 2. 使用matplotlib库画箱线图我们上面介绍了使用pandas画箱线图，几句命令就可以了。但是稍微复杂点的可以使用matplotlib库。matplotlib代码稍微复杂点，但是很灵活。细心点同学会发现pandas里面的画图也是基于此库的，下面给你看看pandas里面的源码： 【效果】 那我们就稍微改动上面一点点代码，实现男女生箱线图挨得近一点。 【代码】 import numpy as np import matplotlib.pyplot as plt fig, ax = plt.subplots() # 子图 def list_generator(mean, dis, number): # 封装一下这个函数，用来后面生成数据 return np.random.normal(mean, dis * dis, number) # normal分布，输入的参数是均值、标准差以及生成的数量 # 我们生成四组数据用来做实验，数据量分别为70-100 # 分别代表男生、女生在20岁和30岁的花费分布 girl20 = list_generator(1000, 29.2, 70) boy20 = list_generator(800, 11.5, 80) girl30 = list_generator(3000, 25.1056, 90) boy30 = list_generator(1000, 19.0756, 100) data=[girl20,boy20,girl30,boy30,] # 用positions参数设置各箱线图的位置 ax.boxplot(data,positions=[0, 0.6, 3, 3.7,])# 就是后面加了位置 ax.set_xticklabels(["girl20", "boy20", "girl30", "boy30",]) # 设置x轴刻度标签 plt.show()【效果】 Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。 函数定义： boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=.75, width=.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)【参数讲解】 x，y：dataframe中的列名（str）或者矢量数据data：dataframe或者数组palette：调色板，控制图像的色调hue（str）：dataframe的列名，按照列名中的值分类形成分类的条形图order, hue_order (lists of strings)：用于控制条形图的顺序orient：“v”|“h” 用于控制图像使水平还是竖直显示（这通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用）fliersize：float，用于指示离群值观察的标记大小whis：确定离群值的上下界（IQR超过低和高四分位数的比例），此范围之外的点将被识别为异常值。IQR指的是上下四分位的差值。width：float，控制箱型图的宽度我们还是基于上面男女花费案例来说，不过这里我们把数据进行了整理，做成了数据框dataframe。 【包含的库】 import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt # plt.rc("font", family="SimHei", size="15") 避免中文乱码，可不用【代码第一部分】数据生成 def list_generator(mean, dis, number): # 封装一下这个函数，用来后面生成数据 return np.random.normal(mean, dis * dis, number) # normal分布，输入的参数是均值、标准差以及生成的数量 # 我们生成四组数据用来做实验，数据量分别为70-100 # 分别代表男生、女生在20岁和30岁的花费分布 # 构造数据库DataFrame num = 100 # 每组100个样本 girl20 = list_generator(1000, 29.2, num) boy20 = list_generator(800, 11.5, num) girl30 = list_generator(3000, 25.1056, num) boy30 = list_generator(1000, 19.0756, num) girl_sex = ['female' for _ in range(num)] boy_sex = ['male' for _ in range(num)] age20 = [20 for _ in range(num)] age30 = [30 for _ in range(num)] girl_d1 = pd.DataFrame({'cost': girl20, 'sex': girl_sex, 'age': age20}) boy_d1 = pd.DataFrame({'cost': boy20, 'sex': boy_sex, 'age': age20}) girl_d2 = pd.DataFrame({'cost': girl30, 'sex': girl_sex, 'age': age30}) boy_d2 = pd.DataFrame({'cost': boy30, 'sex': boy_sex, 'age': age30}) data = pd.concat([girl_d1, boy_d1, girl_d2, boy_d2]) print(data.head())数据长啥样？下面是给出的数据框前面的部分，一共400个样本，分性别和年龄。
根据性别分组： sns.boxplot(x="age", y="cost", data=data, hue="sex", width=0.5, linewidth=1.0, palette="Set3")
从上面来看，虽然我们是采用不同方法来画箱线图，但是最基本的都是调用matplotlib库，这里面pandas是最简单的箱线图可视化，但是不灵活。而matplotlib虽然灵活，但是需要慢慢调，而且复杂。相比之下seaborn更加酷炫，而且图还更好看。上面例子都是本人亲测，一个个对比，原创文章，大家如果有其他问题可以留言讨论。 |
通过源码可以看到pandas内部也是通过调用matplotlib来画图的。那下面我们自己实现用matplotlib画箱线图。 我们简单模拟一下，男女生从20岁，30岁的花费对比图，使用箱线图来可视化一下。 【代码】
从上面随机模拟，看出来男生花费赶不上女生吧，尤其是30岁以后，女生摔男生一大截啊。（模拟数据，请勿当真） 仔细看上面的图，感觉还是不太好，既然男女生对比，那是不是要分组，男女生放一块，然后再根据年龄段比较，这样比较才直观。
这样看一下，是不是男女生根据年龄段分组了呢，稍微比上面好看些，也直观一些。这样既能看出年龄段的对比，又能看出男女生的对比。 同样，如果想要箱线图旋转90°，那么也是在在boxplot命令里加上参数vert=False即可。如果想要更多设置，可以基于boxplot函数参数进行修改，其函数定义如下：
【代码第二部分】使用seaborn库画图 简单看看所有数据的分布情况：
根据年龄分组：
上面这些是seaborn库的简单使用，可以通过年龄看男女花费比较，也可以根据性别看不同年龄段的花费比较，还是比较直观的。当然除此之外还有很多其他的炫技，大家可以自己尝试。【本文地址】