python繪制箱線圖

❶ python matplotlib 同時畫箱線圖和折線圖的問題

因為boxplot的x坐標默認從1開始！

❷ Python數據分析：可視化

本文是《數據蛙三個月強化課》的第二篇總結教程，如果想要了解 數據蛙社群 ，可以閱讀 給DataFrog社群同學的學習建議 。溫馨提示：如果您已經熟悉python可視化內容,大可不必再看這篇文章，或是之挑選部分文章

對於我們數據裂搭羨分析師來說，不僅要自己明白數據背後的含義，而且還要給老闆更直觀的展示數據的意義。所以，對於這項不可缺少的技能，讓我們來一起學習下吧。

畫圖之前，我們先導入包和生成數據集

我們先看下所用的數據集

折線圖是我們觀察枝歷趨勢常用的圖形，可以看出數據隨著某個變數的變化趨勢，默認情況下參數 kind="line" 表示圖的類型為折線圖。

對於分類數據這種離散數據，需要查看數據是如何在各個類別之間分布的，這時候就可以使用柱狀圖。我們為每個類別畫出一個柱子。此時，可以將參數 kind 設置為 bar 。

條形圖就是將豎直的柱狀圖翻轉90度得到的圖形。與柱狀圖一樣，條形圖也可以有一組或多種多組數據。

水平條形圖在類別名稱很長的時候非常方便，因為文字是從左到右書寫的，與大多數用戶的閱讀順序一致，這使得我們的圖形容易閱讀。而柱狀圖在類別名稱很長的時候是沒有辦法很好的展示的。

直方圖是柱形圖的特殊形式，當我們想要看數據集的分布情況時，選擇直方圖。直方圖的變數劃分至不同的范圍，然後在不同的范圍中統計計數。在直方圖中，柱子之間的連續的，連續的柱子暗示數值上的連續。

箱線圖用來展示數據集的描述統計信息，也就是[四分位數]，線的上下兩端表示某組數據的最大值和最小值。箱子的上下兩端表示這組數據中排在前25%位置和75%位置的數值。箱中間的橫線表示中位數。此時可以將參數 kind 設置為 box。

如果想要畫出散點圖，可以將參數 kind 設置為 scatter，同時需要指定 x 和 y。通過散點圖可以探索變數之間的關系。

餅圖是用面積表示一組數據的佔比，此時可以將參數 kind 設置為 pie。

我們剛開始學習的同學，肆拍最基本應該明白什麼數據應該用什麼圖形來展示，同學們來一起總結吧。

❸ python可視化數據分析常用圖大集合（收藏）

python數據分析常用圖大集合：包含折線圖、直方圖、垂直條形圖、水平條形圖、餅圖、箱線圖、熱力圖、散點圖、蜘蛛圖、二元變數分布、面積圖、六邊形圖等12種常用可視化數據分析圖，後期還會不斷的咐喊收集整理，請關注更新！

以下默認所有的操作都先導入了numpy、pandas、matplotlib、seaborn

一、折線圖

折線圖可以用來表示數據隨著時間變化的趨勢

Matplotlib

plt.plot(x, y)

plt.show()

Seaborn

df = pd.DataFrame({'x': x, 'y': y})

sns.lineplot(x="x", y="y", data=df)

plt.show()

二、直方圖

直方圖是比較常見的視圖，它是把橫坐標等分成了一定數量的小區間，然後在每個小區間內用矩形條（bars）展示該區間的數值

Matplotlib

Seaborn

三、垂直條形圖

條形圖可以幫我們查看類別的特徵。在條形圖中，長條形的長度表示類別的頻數，寬度表示類別。

Matplotlib

Seaborn

1plt.show()

四、水平條形圖

五、餅圖

六、箱線圖

箱線圖由五個數值點組成：最大值 (max)、最小值 (min)、中位數 (median) 和上下四分位數 (Q3, Q1)。

可以幫我們分析出數據的差異性、離散程度和異常值等。

Matplotlib

Seaborn

七、熱力圖

力圖，英文叫 heat map，是一種矩陣表示方法，其中矩陣中的元顫簡銷素值用顏色來代表，不同的顏色代表不同大小的值。通過顏色就能直觀地知道某個位置上數值的大小。

通過 seaborn 的 heatmap 函數，我們可以觀察到不同年份，不同月份的乘客數量變化情況，其中顏色越淺的代表乘客數量越多

八、散點圖

散點圖的英文茄游叫做 scatter plot，它將兩個變數的值顯示在二維坐標中，非常適合展示兩個變數之間的關系。

Matplotlib

Seaborn

九、蜘蛛圖

蜘蛛圖是一種顯示一對多關系的方法，使一個變數相對於另一個變數的顯著性是清晰可見

十、二元變數分布

二元變數分布可以看兩個變數之間的關系

十一、面積圖

面積圖又稱區域圖，強調數量隨時間而變化的程度，也可用於引起人們對總值趨勢的注意。

堆積面積圖還可以顯示部分與整體的關系。折線圖和面積圖都可以用來幫助我們對趨勢進行分析，當數據集有合計關系或者你想要展示局部與整體關系的時候，使用面積圖為更好的選擇。

十二、六邊形圖

六邊形圖將空間中的點聚合成六邊形，然後根據六邊形內部的值為這些六邊形上色。

原文至：https://www.py.cn/toutiao/16894.html

❹ python 箱線圖和小提琴圖

是一種用作顯示一組數據分散情況資料的統計圖，因形狀褲粗行如箱子而得名。它能顯示出一組數據的最大值、最小值、中位數、及上下四分位數。
箱形圖繪制須使用常用的統計量，能提供有關數據位置和分散情況的關鍵信息，尤其在比較不同的母體數據時更可表現其差異。
箱形圖的繪制主要包含六個數據節點，需要先將數據從大到小進行排列，然後分別計算出它的上邊緣，上四分位數，中位數，下四分位數，下邊緣，還有一個異常值。

計算上四分位數（Q3），中位數，下四分位數（Q1）
計算上四分位數和下四分位數之間的差值，即四分位數差（IQR, interquartile range）Q3-Q1
繪制箱線圖的上下范圍，上限為上四分位數凳兄，下限為下四分位數。在箱子內部中位數的位置繪制橫線。
大於上四分位數1.5倍四分位數差的值，或者小於下四分位數1.5倍四分位數差的值，劃為異常值（outliers）。
異常值之外，最靠近上邊緣和下邊緣的兩個值處，畫橫線，作為箱線圖的觸須。
極端異常值，即超出四分位數差3倍距離的異常值，用實心點表示；較為溫和的異常值，即處於1.5倍-3倍四分位數差之間的異常值，用空心點表示。
為箱線圖添加名稱，數軸等.

小提琴圖 (Violin Plot)是用來展示多組數據的分布狀態以及概率密度。這種圖表結合了箱形圖和密度圖的特徵，主要用來顯示數據的分布形狀。跟箱形圖類似，但是胡嘩在密度層面展示更好。在數據量非常大不方便一個一個展示的時候小提琴圖特別適用。
小提琴圖概念圖

❺ 箱線圖（Box Plot）理論篇

記得之前應該整理過的，但是找不到了，就再來一次吧

箱形圖又稱為盒須圖、箱線圖

箱形圖針對的是單一變數，可以用來識別異常值

要理解和使用箱形圖，需要搞清楚幾個概念：

有兩個點注意下弊爛：
從小到大排列
分成四等份

對於這三個分割點：

Q3與Q1的差距又稱為四分位距（InterQuartile Range, IQR）

這個圖呢，大概是說，為什麼上邊界和下邊界之外的數據，也就是離群值（異常值）可以忽略掉的原因，貌似就是傳說中的3σ原則

我看這里還會標注離群值和極端值，上、下邊界外的值

使用Excel、Python或者其他工具畫箱線圖很容易，但是，通過這個圖到底可以得到些什麼啟示呢？

感覺使用箱線圖，是為了看數據的分布情況，看數據集中在哪裡，分布有什麼特徵，數據是集中在較小值一側還是較大值一側，有沒有異常值

這些資料都沒啥特別的，剛才找到篇文章，狗熊會的，不錯，對這個箱線圖的使用場景算是來個對比，分享下

先附上原文地址： 丑圖百講 | 箱線圖應該怎麼用

箱線圖是針對連續性變數使用的

我們也來看個實際例子，我就使用seaborn中的數據集好了

因為這里，並沒有顯示具體的判卜判各項指標數據，我們可以結合 describe 函數

也就是說，小費的中位數是2.9美元（不知道單位是啥，就當美元吧）
Q1是2美元，Q3是3.5625美元，50%的數據都集中在這個區間內
異常值都集中在上限

中位數和平均值比較接近

其實用箱線圖來展示這個小費的分布，並不是非常好，如果用直方圖的話，更加的直觀

看，數據的集中程度，更加的明顯一些

不是所有的數據都適合話箱線圖，如果你的箱線圖畫出來就是一條橫線，或者很扁，那就趕緊換一種圖吧

通常有2個原因導致這種情況：

原作掘改者總結的很好，直接貼過來了，學習下

作者還說了，這里有一種解決辦法，就是做 對數變換
但是，我目前還不是很理解，做了對數變換，數據不就變了嗎，這個展示出來沒有影響嘛？又為什麼可以這樣做呢？
等我研究明白了再說

箱線圖到底怎麼用

配合著定性變數畫分組箱線圖，作比較！
我理解的是，在不同維度下，對數據進行對比，可以使用箱線圖

作者整理了幾點箱線圖的特點，這里分享下：

嗯，學習了，還是得專業的人來分享

這一篇理論篇先到這，我去整理下seaborn中繪制boxplot

❻ python中怎麼畫箱線圖

如下灰色框里的就是箱形圖（英文：Box plot）：又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。因型狀如箱子而得名。

箱形圖最大的優點就是不受異常值的影響，可以以一種相對穩定的方式描述數據的離散分布情況。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = [1200, 1300, 1400, 1500, 1600, 1700, 1800, 1900, 2000, 2100]

df = pd.DataFrame(data)
df.plot.box(title="hua tu")
plt.grid(linestyle="--", alpha=0.3)
plt.show()

❼ python繪圖篇

1，xlable,ylable設置x，y軸的標題文字。

2，title設置標題。

3，xlim,ylim設置x,y軸顯示範圍。

plt.show()顯示繪圖窗口，通常情況下，show（）會阻礙程序運行，帶-wthread等參數的環境下，窗口不會關閉。

plt.saveFig（）保存圖像。

面向對象繪圖

1，當前圖表和子圖可以用gcf(),gca()獲得。

subplot()繪制包含多個圖表的子圖。

configure subplots,可調節子圖與圖表邊框距離。

可以通過修改配置文件更改對象屬性。

圖標顯示中文

1，在程序中直接指定字體。

2， 在程序開始修改配置字典reParams.

3，修改配置文件。

Artist對象

1，圖標的繪制領域。

2，如何在FigureCanvas對象上繪圖。

3，如何使用Renderer在FigureCanvas對象上繪圖。

FigureCanvas和Render處理底層圖像操作，Artist處理高層結構。

分為簡單對象和容器對象，簡單的Aritist是標準的繪圖元件，例如Line 2D,Rectangle,Text,AxesImage等，而容器類型包含許多簡單的的 Aritist對象，使他們構成一個整體，例如Axis,Axes,Figure等。

直接創建Artist對象進項繪圖操作步奏：

1，創建Figure對象（通過figure（）函數，會進行許多初始化操作，不建議直接創建。）

2，為Figure對象創建一個或多個Axes對象。

3，調用Axes對象的方法創建各類簡單的Artist對象。

Figure容器

如何找到指定的Artist對象。

1，可調用add_subplot()和add_axes()方法向圖表添加子圖。

2，可使用for循環添加柵格。

3，可通過transform修改坐標原點。

Axes容器

1，patch修改背景。

2，包含坐標軸，坐標網格，刻度標簽，坐標軸標題等內容。

3，get_ticklabels(),,get-ticklines獲得刻度標簽和刻度線。

1，可對曲線進行插值。

2，fill_between()繪制交點。

3，坐標變換。

4，繪制陰影。

5，添加註釋。

1，繪制直方圖的函數是

2，箱線圖（Boxplot）也稱箱須圖（Box-whisker Plot），是利用數據中的五個統計量：最小值、第一四分位

數、中位數、第三四分位數與最大值來描述數據的一種方法，它可以粗略地看出數據是否具有對稱性以及分

布的分散程度等信息，特別可以用於對幾個樣本的比較。

3，餅圖就是把一個圓盤按所需表達變數的觀察數劃分為若干份，每一份的角度（即面積）等價於每個觀察

值的大小。

4,散點圖

5,QQ圖

低層繪圖函數

類似於barplot()，dotchart()和plot()這樣的函數採用低層的繪圖函數來畫線和點，來表達它們在頁面上放置的位置以及其他各種特徵。

在這一節中，我們會描述一些低層的繪圖函數，用戶也可以調用這些函數用於繪圖。首先我們先講一下R怎麼描述一個頁面；然後我們講怎麼在頁面上添加點，線和文字；最後講一下怎麼修改一些基本的圖形。

繪圖區域與邊界

R在繪圖時，將顯示區域劃分為幾個部分。繪制區域顯示了根據數據描繪出來的圖像，在此區域內R根據數據選擇一個坐標系，通過顯示出來的坐標軸可以看到R使用的坐標系。在繪制區域之外是邊沿區，從底部開始按順時針方向分別用數字1到4表示。文字和標簽通常顯示在邊沿區域內，按照從內到外的行數先後顯示。

添加對象

在繪制的圖像上還可以繼續添加若干對象，下面是幾個有用的函數，以及對其功能的說明。

•points(x, y, ...)，添加點

•lines(x, y, ...)，添加線段

•text(x, y, labels, ...)，添加文字

•abline(a, b, ...)，添加直線y=a+bx

•abline(h=y, ...)，添加水平線

•abline(v=x, ...)，添加垂直線

•polygon(x, y, ...)，添加一個閉合的多邊形

•segments(x0, y0, x1, y1, ...)，畫線段

•arrows(x0, y0, x1, y1, ...)，畫箭頭

•symbols(x, y, ...)，添加各種符號

•legend(x, y, legend, ...)，添加圖列說明

❽ Python 數據可視化：繪制箱線圖、餅圖和直方圖

上一課介紹了柱形圖和條形圖，本課將介紹另外幾種統計圖表。

Box Plot 有多種翻譯，盒須圖、盒式圖、盒狀圖或箱線圖、箱形圖等，不管什麼名稱，它的基本結構是這樣的：

這種圖是由美國著名統計學家約翰·圖基（John Tukey）於 1977 年發明的，它能顯示出一組數據的上限、下限、中位數及上下四分位數。

為了更深入宴銷羨理解箱線圖的含義，假設有這樣一組數據：[1, 3, 5, 8, 10,11, 16, 98 ]，共有 8 個數字。

首先要計算箱線圖中的「四分位數」，注意不是 4 個數：

對於已經排序的數據 [1, 3, 5, 8, 10,11, 16, 98 ]，下四分位數（Q1）的位置是數列中從小到大第 2.25 個數，當然是不存在這個數字的——如果是第 2 個或者第 3 個，則存在。但是，可以用下面的原則，計晌拍算出此位置的數值。

四分位數等於與該位置兩側的兩個整數的加權平均數，此權重取決於相對兩側整數的距離遠近，距離越近，權重越大，距離越遠，權重越小，權數之和等於 1。

根據這個原則，可以分別計算本例中數列的 3 個四分位數。

在此計算基礎上，還可以進一步計算四分位間距和上限、下限的數值。

先看一個簡單示例，了解基本的流程。

輸出結果：

這里繪制了兩張箱線圖，一張沒有顯示平均值，另外一張顯示了平均值，所使用的方法就是 boxplot，其完整參數列表為：

參數很多，不要擔心記憶問題，更別擔心理解問題。首先很多參數都是可以「望文生義」的，再有，與以前所使用的其他方法（函數）的參數含義也大同小異斗桐。

輸出結果：

所謂的「凹槽」，不是簡單形狀的改變，左右折線的上限區間表示了數據分布的置信區間，橫線依然是上限和下限。

❾ 在python中如何繪制畫兩組箱形圖

授人以魚不如授人以漁，想畫什麼圖就去matplotlib官網找有沒有類似的，把對應代碼改一改，完美解決

❿ Python數據可視化 箱線圖

Python數據可視化：箱線圖
一、箱線圖概念
箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。
計算過程：

（1）計算上四分位數（Q3），中位數，下四分位數（Q1）
（2）計算上四分位數和下四分位數之間的差值，即四分位數差（IQR，interquartile range）Q3-Q1
（3）繪制箱線圖的上下范圍，上限為上四分位數，下限為下四分位數。在箱子內部中位數的位置繪制橫線。
（4）大於上四分位數1.5倍四分位數差的值，或者小於下四分位數1.5倍四分位數差的值，劃為異常值（outliers）。
（5）異常值之外，最靠近上邊緣和下邊緣的兩個值處，畫橫線，作為箱線圖的觸須。
（6）極端異常值，即超出四分位數差3倍距離的異常值，用實心點表示；較為溫和的異常值，即處於1.5倍-3倍四分位數差之間的異常值，用空心點表示。
（7）為箱線圖添加名稱，數軸等

二、四分位數的計算

分位數根據其將數列等分的形式不同可以分為中位數，四分位數，十分位數、百分位數等等。四分位數作為分位數的一種形式，在統計中有著十分重要的意義和作用，而大多數的統計學原理教材只介紹其基本含義，對其具體計算，尤其是由組距數列計算都不作介紹，成為統計學原理教材中的空白。那麼，如何根據數列計算四分位數呢？一般來講，視資料是否分組而定。

1、根據未分組的資料計算四分位數

第一步：確定四分位數的位置

四分位數是將數列等分成四個部分的數，一個數列有三個四分位數，設下分位數、中分位數和上分位式中n表示資料的項數

第二步:根據第一步所確定的四分位數的位置，確定其相應的四分位數。
例1：某車間某月份的工人生產某產品的數量分別為13、13.5、13.8、13.9、14、14.6、14.8、15、15.2、15.4、15.7公斤，則三個四分位數的位置分別為：

即變數數列中的第三個、第六個、第九個工人的某種產品產量分別為下四分位數、中位 數和上四分位數。即：
Q1 =13.8公斤、Q2=14.6公斤、Q3=15.2公斤
上例中（n+1）恰好為4的倍數，所以確定四分數較簡單，如果（n+1）不為4的整數倍數，按上述分式計算出來的四分位數位置就帶有小數，這時，有關的四分位數就應該是與該小數相鄰的兩個整數位置上的標志值的平均數，權數的大小取決於兩個整數位置距離的遠近，距離越近，權數越大，距離越遠，權數越小,權數之和等於1。
例2：某車間某月份的工人生產某產品的數量分別為13、13.5、13.8、13.9、14、14.6、14.8、15、15.2、15.4公斤，則三個四分位數的位置分別為：

即變數數列中的第2.75項、第5.5項、第8.25項工人的某種產品產量分別為下四分位 數、中位數和上四分位數。即：

在實際資料中，由於標志值序列中的相鄰標志值往往是相同的，因而不一定要通過計算才能得到有關的四分位數。

2、由組距式數列確定四分位數

第一步，向上或向下累計次數.
第二步，根據累計次數確定四分位數的位置.
（1）、當採用向上累計次數的資料確定四分位數時，四分位數位置的公式是：

（2）、當採用向下累計次數的資料確定四分位數時，四分位數位置的公式是：

第三步，根據四分位數的位置算出各四分位數.
（1）、當累計次數是向上累計時，按下限公式計算各四分位數.

（2）、當累計次數是向下累計時，按上限公式計算各四分位數.

例3：某企業職工按月工資的分組資料如下：

根據上述資料確定某企業職工的月工資的三個四分位數如下：
（1）、採用向上累計職工人數的資料得月工資四分位數的位置為:
（2）、採用向下累計職工人數的資料得月工資四分位數的位置為:

3、異常值

異常值：限制線以外的數據全部為異常值
三、畫圖

# Python
import plotly.plotly
import plotly.graph_objs as go

data = [
go.Box(
y=[0, 1, 1, 2, 3, 5, 8, 13, 21] # 9個數據
)
]
plotly.offline.plot(data) # 離線繪圖