使用 Matplotlib 在 Python 中绘制方框图 |
您所在的位置：网站首页 › 方框图用什么画好看 › 使用 Matplotlib 在 Python 中绘制方框图 |
使用 Matplotlib 在 Python 中绘制方框图
|
使用 Matplotlib 在 Python 中绘制方框图
原文:https://www.geesforgeks.org/box-plot-in-python-using-matplotlib/ 创建方框图也称为触须图以显示具有最小、第一四分位数、中值、第三四分位数和最大值等属性的数据值集合的概要。在方框图中，从第一个四分位数到第三个四分位数创建了一个方框，在中间位置也有一条穿过方框的垂直线。这里，x 轴表示要绘制的数据，而 y 轴表示频率分布。 创建方框图matplotlib 库的 matplotlib.pyplot 模块提供了 boxplot()函数，借助该函数我们可以创建 box plot。 语法: matplotlib.pyplot.boxplot(数据，凹口=无，垂直=无，patch_artist =无，宽度=无) 参数: | 属性 | 价值 | | --- | --- | | 数据 | 要绘制的数组或数组序列 | | 等级 | 可选参数接受布尔值 | | 绿色 | 对于水平和垂直绘图，可选参数分别接受布尔值 false 和 true | | 引导程序 | 可选参数接受 int 指定凹口方框图周围的间隔 | | 用户媒体 | 可选参数接受与数据兼容的数组或数组维数序列 | | 位置 | 可选参数接受数组并设置框的位置 | | 宽度 | 可选参数接受数组并设置框的宽度 | | 补丁_艺术家 | 具有布尔值的可选参数 | | 标签 | 字符串序列为每个数据集设置标签 | | 平均线 | 可选具有布尔值尝试将均值线呈现为框的全宽 | | 命令 | 可选参数设置箱线图的顺序 |给 ax.boxplot()方法的数据值可以是 Numpy 数组或 Python 列表或数组元组。让我们通过使用 numpy.random.normal()创建一些随机数据来创建箱线图，它以平均值、标准偏差和所需的值数作为参数。 示例: 蟒蛇 3 # Import libraries import matplotlib.pyplot as plt import numpy as np # Creating dataset np.random.seed(10) data = np.random.normal(100, 20, 200) fig = plt.figure(figsize =(10, 7)) # Creating plot plt.boxplot(data) # show plot plt.show()输出:
matplotlib.pyplot.boxplot()为 boxplot 提供了无限的定制可能性。notch = True 属性为方块图创建 notch 格式，patch_artist = True 用颜色填充方块图，我们可以为不同的方块设置不同的颜色。vert = 0 属性创建水平方框图。标签采用与数字数据集相同的尺寸。 例 1: 蟒蛇 3 # Import libraries import matplotlib.pyplot as plt import numpy as np # Creating dataset np.random.seed(10) data_1 = np.random.normal(100, 10, 200) data_2 = np.random.normal(90, 20, 200) data_3 = np.random.normal(80, 30, 200) data_4 = np.random.normal(70, 40, 200) data = [data_1, data_2, data_3, data_4] fig = plt.figure(figsize =(10, 7)) # Creating axes instance ax = fig.add_axes([0, 0, 1, 1]) # Creating plot bp = ax.boxplot(data) # show plot plt.show()输出:
示例 2: 让我们尝试用一些定制来修改上面的图: 蟒蛇 3 # Import libraries import matplotlib.pyplot as plt import numpy as np # Creating dataset np.random.seed(10) data_1 = np.random.normal(100, 10, 200) data_2 = np.random.normal(90, 20, 200) data_3 = np.random.normal(80, 30, 200) data_4 = np.random.normal(70, 40, 200) data = [data_1, data_2, data_3, data_4] fig = plt.figure(figsize =(10, 7)) ax = fig.add_subplot(111) # Creating axes instance bp = ax.boxplot(data, patch_artist = True, notch ='True', vert = 0) colors = ['#0000FF', '#00FF00', '#FFFF00', '#FF00FF'] for patch, color in zip(bp['boxes'], colors): patch.set_facecolor(color) # changing color and linewidth of # whiskers for whisker in bp['whiskers']: whisker.set(color ='#8B008B', linewidth = 1.5, linestyle =":") # changing color and linewidth of # caps for cap in bp['caps']: cap.set(color ='#8B008B', linewidth = 2) # changing color and linewidth of # medians for median in bp['medians']: median.set(color ='red', linewidth = 3) # changing style of fliers for flier in bp['fliers']: flier.set(marker ='D', color ='#e7298a', alpha = 0.5) # x-axis labels ax.set_yticklabels(['data_1', 'data_2', 'data_3', 'data_4']) # Adding title plt.title("Customized box plot") # Removing top axes and right axes # ticks ax.get_xaxis().tick_bottom() ax.get_yaxis().tick_left() # show plot plt.show(bp)输出:
我们一直在努力
apachecn/AiLearning
|
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |