分布（三）利用python绘制箱线图

HsuHeinrich

发布于 2024-02-27 17:30:44

2000

发布于 2024-02-27 17:30:44

文章被收录于专栏：HsuHeinrichHsuHeinrich

分布（三）利用python绘制箱线图

箱线图（Boxplot）简介

箱线图也叫盒须图，主要用来突出显示数据分布的四分位数。同时也可以获取较多的统计信息，例如：四分位数、异常值、分布是否倾斜/对称等。

快速绘制

基于seaborn

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="darkgrid")

# 导入数据
df = sns.load_dataset('iris')

# 利用boxplot函数绘制箱线图
sns.boxplot(y=df["sepal_length"])
plt.show()

定制多样化的箱线图

自定义箱线图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

seaborn主要利用boxplot箱线图，可以通过seaborn.boxplot[1]了解更多用法

绘制多个箱线图

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')
df_tips = sns.load_dataset('tips')

# 创建matplotlib的fig对象和子图对象ax
fig, ax = plt.subplots(1,3, figsize=(12,4))

# 多个数值变量的箱线图
sns.boxplot(data=df.loc[:, ['sepal_length', 'sepal_width']], ax=ax[0]) 
ax[0].set_title('多个数值变量')

# 一个数值变量多个分组的箱线图
sns.boxplot(x=df["species"], y=df["sepal_length"], ax=ax[1])
ax[1].set_title('一个数值变量多个分组')

# 一个数值变量多个分组子分组的箱线图
sns.boxplot(x="day", y="total_bill", hue="smoker", data=df_tips, palette="Set1", width=0.5, ax=ax[2])
ax[2].set_title('一个数值变量多个分组/子分组')

# 调整间距并展示
plt.tight_layout()
plt.show()

自定义箱线图

自定义形状

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')

# 构造子图
fig, ax = plt.subplots(1,3,constrained_layout=True, figsize=(12, 4))

# 自定义线宽
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], linewidth=5, ax=ax[0])
ax_sub.set_title('自定义线宽')

# 添加缺口
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], notch=True, ax=ax[1])
ax_sub.set_title('添加缺口')

# 自定义箱体
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], width=0.3, ax=ax[2])
ax_sub.set_title('自定义箱体大小')

plt.show()

自定义颜色

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')

# 构造子图
fig, ax = plt.subplots(1,4,constrained_layout=True, figsize=(12, 4))

# 分配调色板
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], palette="Blues", ax=ax[0])
ax_sub.set_title('分配调色板')

# 统一颜色
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], color='skyblue', ax=ax[1])
ax_sub.set_title('统一颜色')

# 自定义颜色
my_pal = {"versicolor": "g", "setosa": "b", "virginica":"m"}
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], palette=my_pal, ax=ax[2])
ax_sub.set_title('指定颜色')

# 突出颜色：针对指定组
my_pal = {species: "r" if species == "versicolor" else "b" for species in df.species.unique()}
ax_sub = sns.boxplot(x=df["species"], y=df["sepal_length"], palette=my_pal, ax=ax[3])
ax_sub.set_title('突出颜色')

plt.show()

自定义顺序

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')

# 构造子图
fig, ax = plt.subplots(1,2,constrained_layout=True, figsize=(8, 4))

# 指定顺序
ax_sub = sns.boxplot(x='species', y='sepal_length', data=df, order=["versicolor", "virginica", "setosa"], ax=ax[0])
ax_sub.set_title('指定顺序')

# 按统计量降序：中位数
my_order = df.groupby(by=["species"])["sepal_length"].median().iloc[::-1].index
ax_sub = sns.boxplot(x='species', y='sepal_length', data=df, order=my_order, ax=ax[1])
ax_sub.set_title('中位数降序')

plt.show()

3. 添加额外数据信息

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题

# 导入数据
df = sns.load_dataset('iris')

# 构造子图
fig, ax = plt.subplots(1,2,constrained_layout=True, figsize=(8, 4))

# 1、添加数据点分布
ax_sub = sns.boxplot(x='species', y='sepal_length', data=df, ax=ax[0])
ax_sub = sns.swarmplot(x='species', y='sepal_length', data=df, color="grey", ax=ax[0])
ax_sub.set_title('添加数据点分布')

# 2、添加观测数量（避免过多信息造成视觉影响）
ax_sub = sns.boxplot(x='species', y='sepal_length', data=df, ax=ax[1])

medians = df.groupby(['species'])['sepal_length'].median().values
nobs = df['species'].value_counts().values
nobs = [str(x) for x in nobs.tolist()]
nobs = ["n: " + i for i in nobs]

pos = range(len(nobs))
for tick,label in zip(pos,ax_sub.get_xticklabels()):
    ax_sub.text(pos[tick],
            medians[tick] + 0.03,
            nobs[tick],
            horizontalalignment='center',
            size='x-small',
            color='w',
            weight='semibold')
ax_sub.set_title('添加观测数量')

plt.show()