北极熊在南极_whl
北极熊在南极_whl

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图

文章目录

  • 前言
  • 一、Matplotlib绘制箱线图介绍
    • 1. plt.boxplot()参数详解
      • 1.1、x：指定要绘制箱线图的数据
        • 1.1.1、代码如下（示例）：
        • 1.1.2、输出结果如下：
      • 1.2、notch：是否以凹口的形式展现箱线图
        • 1.2.1、代码如下（示例）：
        • 1.2.2、输出结果如下：
      • 1.3、sym：指定异常点的形状
        • 1.3.1、代码如下（示例）：
        • 1.3.2、输出结果如下：
      • 1.4、vert：是否需要将箱线图垂直摆放，True：垂直，False：水平；默认垂直摆放
        • 1.4.1、代码如下（示例）：
        • 1.4.2、输出结果如下：
      • 1.5、whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
        • 1.5.1、代码如下（默认情况示例）：
        • 1.5.2、输出结果如下：
        • 1.5.3、代码如下（指定whis=3时的示例）：
        • 1.5.4、输出结果如下：
      • 1.6、positions：指定箱线图的位置，默认为[0,1,2…]
        • 1.6.1、代码如下（默认情况示例）：
        • 1.6.2、输出结果如下：
        • 1.6.3、代码如下（positions=[4]时的示例）：
        • 1.6.4、输出结果如下：
      • 1.7、widths=None：指定箱线图的宽度
        • 1.7.1、代码如下（widths=0.5时示例）：
        • 1.7.2、输出结果如下：
        • 1.7.3、代码如下（widths=1时示例）：
        • 1.7.4、输出结果如下：
      • 1.8、patch_artist：是否填充箱体的颜色，True：填充，False：不填充；默认False
        • 1.8.1、代码如下（patch_artist=True时示例）：
        • 1.8.2、输出结果如下：
        • 1.8.1、代码如下（patch_artist=False时示例）：
        • 1.8.2、输出结果如下：
      • 1.9、showmeans：是否显示均值，默认不显示
        • 1.9.1、代码如下（showmeans=True时示例）：
        • 1.9.2、输出结果如下：
        • 1.9.3、代码如下（showmeans=False时示例）：
        • 1.9.4、输出结果如下：
      • 1.10、meanline：是否用线的形式表示均值，默认用点来表示
        • 1.10.1、代码如下（meanline=True时示例）：
        • 1.10.2、输出结果如下：
        • 1.10.3、代码如下（meanline=False时示例）：
        • 1.10.4、输出结果如下：
      • 1.11、showcaps：是否显示箱线图顶端和末端的两条线，默认显示
        • 1.11.1、代码如下（showcaps=True时示例）：
        • 1.11.2、输出结果如下：
        • 1.11.3、代码如下（showcaps=False时示例）：
        • 1.11.4、输出结果如下：
      • 1.12、showbox：是否显示箱线图的箱体，默认显示
        • 1.12.1、代码如下（showbox=False时示例）：
        • 1.12.2、输出结果如下：
      • 1.13、showfliers：是否显示异常值，默认显示
        • 1.13.1、代码如下（showfliers=False时示例）：
        • 1.13.2、输出结果如下：
      • 1.14、labels：为箱线图添加标签，类似于图例的作用
        • 1.14.1、代码如下（示例）：
        • 1.14.2、输出结果如下：
      • 1.15、boxprops：设置箱体的属性，如边框色，填充色等
        • 1.15.1-1、color 边框颜色
        • 1.15.1-2、输出结果如下：
        • 1.15.2-1、facecolor 箱体填充颜色(patch_artist必须为True)
        • 1.15.2-2、输出结果如下：
      • 1.16、filerprops：设置异常值的属性
        • 1.16.1、代码如下（示例）：
        • 1.16.2、输出结果如下：
      • 1.17、medianprops：设置中位数的属性，如线的类型、粗细等
        • 1.17.1、代码如下（示例）：
        • 1.17.2、输出结果如下：
      • 1.18、meanprops：设置均值的属性，如点的大小、颜色等(注：showmeans必须设置为True，不然均值不显示)
        • 1.18.1、代码如下（示例）：
        • 1.18.2、输出结果如下：
        • 1.18.3、代码如下（示例）：
        • 1.18.4、输出结果如下：
        • 1.18.5、代码如下（示例）：
        • 1.18.6、输出结果如下：
      • 1.19、capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等
        • 1.19.1、代码如下（示例）：
        • 1.19.2、输出结果如下：
      • 1.20、whiskerprops：设置须的属性，如颜色、粗细、线的类型等
        • 1.20.1、代码如下（示例）：
        • 1.20.2、输出结果如下：
    • 2. 在箱线图上叠加散点图时图层参数设置(zorder)
    • 3. 回答往期文章《Python Matplotlib数据可视化绘图之（二）————箱线图》中的总结中所提的问题，文章网址链接为：https://blog.csdn.net/Mr_Dragon66/article/details/127814202?spm=1001.2014.3001.5501
      • 3.1、为什么我不直接在ax.boxplot()函数中直接用labels这个参数生成legend，反而要利用ax.scatter()函数中的label参数生成legend？
        • 3.1.1、首先我演示一下在ax.boxplot()函数中直接用labels这个参数，看是否能够生成legend
          • 3.1.1-1、代码如下（数据来自往期文章）：
          • 3.1.1-2、输出结果如下：
          • 3.1.1-3、代码如下（数据来自往期文章）：
          • 3.1.1-4、输出结果如下：
      • 3.2、还有什么方法能够生成箱线图的图例？
      • 3.3、箱线图的图例生成方法和柱状图、折线图、饼图、直方图、散点图等图的图例生成方法有什么不同之处或特别之处？
        • 3.3.1、方式一：既生成图例又在扇形旁显示标签
          • 3.3.1-1、代码如下：
          • 3.3.1-2、输出结果如下：
        • 3.3.2、方式二：只生成图例，且不在扇形旁显示标签
          • 3.3.2-1、代码如下：
          • 3.3.2-2、输出结果如下：
        • 3.3.3、方式三：只在扇形旁显示标签，且不生成图例
          • 3.3.3-1、代码如下：
          • 3.3.3-2、输出结果如下：
        • 3.3.4、方式四：只在扇形旁显示标签，且不生成图例，如果不想把扇形做分离，可以去掉explode参数
          • 3.3.4-1、代码如下：
          • 3.3.4-2、输出结果如下：
  • 二、多种颜色的普通分组箱线图和散点图的叠加图
    • 1.示例数据如下
    • 2.代码如下
      • 2.1 代码如下（示例）：
        • 2.1.1 Case1：
  • 三、总结

前言

本文我们主要介绍利用Python中的Matplotlib模块进行箱线图的画法介绍，以及箱线图和散点图的叠加图的画法介绍，包括整张图片只有一种颜色的不分组箱线图和散点图的叠加图、整张图片有好几种颜色的不分组箱线图和散点图的叠加图、整张图片有好几种颜色的分组箱线图和散点图的叠加图等。

一、Matplotlib绘制箱线图介绍

1. plt.boxplot()参数详解

Python绘制箱线图主要用matplotlib库里的pyplot模块里的boxplot()函数。
plt.boxplot(x, # 指定要绘制箱线图的数据；
notch=None, # 是否是凹口的形式展现箱线图，默认非凹口；
sym=None, # 指定异常点的形状，默认为+号显示；
vert=None, # 是否需要将箱线图垂直摆放，默认垂直摆放；
whis=None, # 指定上下须与上下四分位的距离，默认为1.5倍的四分位差；
positions=None, # 指定箱线图的位置，默认为[0, 1, 2…]；
widths=None, # 指定箱线图的宽度；
patch_artist=None, # 是否填充箱体的颜色；
bootstrap=None, #
usermedians=None, #
conf_intervals=None, #
meanline=None, # 是否用线的形式表示均值，默认用点来表示；
showmeans=None, # 是否显示均值，默认不显示；
showcaps=None, # 是否显示箱线图顶端和末端的两条线，默认显示；
showbox=None, # 是否显示箱线图的箱体，默认显示；
showfliers=None, # 是否显示异常值，默认显示；
boxprops=None, # 设置箱体的属性，如边框色，填充色等；
labels=None, # 为箱线图添加标签，类似于图例的作用；
flierprops=None, # 设置异常值的属性，如异常点的形状，大小，填充色等；
medianprops=None, # 设置中位数的属性，如线的类型、粗细等；
meanprops=None, # 设置均值的属性，如点的大小、颜色等；
capprops=None, # 设置箱线图顶端和末端线条的属性，如颜色、粗细等；
whiskerprops=None, # 设置须的属性，如颜色、粗细、线的类型等；
manage_xticks=True, #
autorange=False, #
zorder=None, #
hold=None, #
data=None) #

1.1、x：指定要绘制箱线图的数据

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.1.1、代码如下（示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x)
plt.show()

1.1.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第1张图片

1.2、notch：是否以凹口的形式展现箱线图

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.2.1、代码如下（示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, notch=True)
plt.show()

1.2.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第2张图片

1.3、sym：指定异常点的形状

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.3.1、代码如下（示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, sym='*')
plt.show()

1.3.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第3张图片

1.4、vert：是否需要将箱线图垂直摆放，True：垂直，False：水平；默认垂直摆放

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.4.1、代码如下（示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, vert=False)
plt.show()

1.4.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第4张图片

1.5、whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.5.1、代码如下（默认情况示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x)
plt.show()

1.5.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第5张图片

1.5.3、代码如下（指定whis=3时的示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, whis=3)
plt.show()

1.5.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第6张图片

1.6、positions：指定箱线图的位置，默认为[0,1,2…]

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.6.1、代码如下（默认情况示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x)
plt.show()

1.6.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第7张图片

1.6.3、代码如下（positions=[4]时的示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, positions=[4])
plt.show()

1.6.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第8张图片

1.7、widths=None：指定箱线图的宽度

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.7.1、代码如下（widths=0.5时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, widths=0.5)
plt.show()

1.7.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第9张图片

1.7.3、代码如下（widths=1时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, widths=1)
plt.show()

1.7.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第10张图片

1.8、patch_artist：是否填充箱体的颜色，True：填充，False：不填充；默认False

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.8.1、代码如下（patch_artist=True时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, patch_artist=True)
plt.show()

1.8.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第11张图片

1.8.1、代码如下（patch_artist=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, patch_artist=False)
plt.show()

1.8.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第12张图片

1.9、showmeans：是否显示均值，默认不显示

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.9.1、代码如下（showmeans=True时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showmeans=True)
plt.show()

1.9.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第13张图片

1.9.3、代码如下（showmeans=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x)
plt.show()

1.9.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第14张图片

1.10、meanline：是否用线的形式表示均值，默认用点来表示

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.10.1、代码如下（meanline=True时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showmeans=True, meanline=True)
plt.show()

1.10.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第15张图片

1.10.3、代码如下（meanline=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showmeans=True, meanline=False)
plt.show()

1.10.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第16张图片

1.11、showcaps：是否显示箱线图顶端和末端的两条线，默认显示

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.11.1、代码如下（showcaps=True时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x)
plt.show()

1.11.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第17张图片

1.11.3、代码如下（showcaps=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showcaps=False)
plt.show()

1.11.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第18张图片

1.12、showbox：是否显示箱线图的箱体，默认显示

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.12.1、代码如下（showbox=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showbox=False)
plt.show()

1.12.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第19张图片

1.13、showfliers：是否显示异常值，默认显示

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.13.1、代码如下（showfliers=False时示例）：

import matplotlib.pyplot as plt
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showfliers=False)
plt.show()

1.13.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第20张图片

1.14、labels：为箱线图添加标签，类似于图例的作用

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.14.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, labels=['标签'])
plt.show()

1.14.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第21张图片

1.15、boxprops：设置箱体的属性，如边框色，填充色等

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.15.1-1、color 边框颜色

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, boxprops={'color': 'red'})
plt.show()

1.15.1-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第22张图片

1.15.2-1、facecolor 箱体填充颜色(patch_artist必须为True)

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, patch_artist=True, boxprops={'color': 'orangered', 'facecolor': 'pink'})
plt.show()

1.15.2-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第23张图片

1.16、filerprops：设置异常值的属性

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.16.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, patch_artist=True, flierprops={'marker': 'o', 'markerfacecolor': 'pink'})
plt.show()

1.16.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第24张图片

1.17、medianprops：设置中位数的属性，如线的类型、粗细等

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.17.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, medianprops={'linestyle': '--', 'linewidth': 3})
plt.show()

1.17.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第25张图片

1.18、meanprops：设置均值的属性，如点的大小、颜色等(注：showmeans必须设置为True，不然均值不显示)

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.18.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, meanprops={'marker': 'D', 'markerfacecolor': 'white'})
plt.show()

1.18.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第26张图片

1.18.3、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showmeans=True, meanprops={'marker': 'D', 'markerfacecolor': 'white'})
plt.show()

1.18.4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第27张图片

1.18.5、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, showmeans=True, meanline=True, meanprops={'marker': 'D', 'markerfacecolor': 'white'})
plt.show()

1.18.6、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第28张图片

1.19、capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.19.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, capprops={'linestyle': '--', 'linewidth': 3, 'color': 'red'})
plt.show()

1.19.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第29张图片

1.20、whiskerprops：设置须的属性，如颜色、粗细、线的类型等

示例：x=[80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]

1.20.1、代码如下（示例）：

import matplotlib.pyplot as plt
# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False
x = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
plt.boxplot(x, whiskerprops={'linestyle': '--', 'linewidth': 3, 'color': 'red'})
plt.show()

1.20.2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第30张图片

2. 在箱线图上叠加散点图时图层参数设置(zorder)

使用 “zorder=2”这样的确定叠加的图层的先后次序，数字越大，越后。因为现在是在箱线图上叠加散点图，所以需要先画箱线图，后画散点图，即画箱线图时zorder=1，画散点图时zorder=2

3. 回答往期文章《Python Matplotlib数据可视化绘图之（二）————箱线图》中的总结中所提的问题，文章网址链接为：https://blog.csdn.net/Mr_Dragon66/article/details/127814202?spm=1001.2014.3001.5501

3.1、为什么我不直接在ax.boxplot()函数中直接用labels这个参数生成legend，反而要利用ax.scatter()函数中的label参数生成legend？

3.1.1、首先我演示一下在ax.boxplot()函数中直接用labels这个参数，看是否能够生成legend

3.1.1-1、代码如下（数据来自往期文章）：
import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
ClassA_M = [70, 90, 95, 85, 75, 85, 90, 100, 100, 85, 90, 95, 98, 99, 85, 88, 86, 75, 78, 90]
ClassA_E = [90, 100, 100, 85, 75, 90, 100, 100, 75, 70, 85, 90, 95, 95, 90, 80, 70, 80, 70, 75]

ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
ClassB_M = [60, 70, 75, 80, 75, 75, 65, 80, 60, 80, 90, 95, 95, 90, 80, 85, 75, 75, 60, 65]
ClassB_E = [70, 75, 75, 70, 60, 90, 98, 95, 85, 75, 70, 60, 65, 70, 75, 75, 80, 75, 70, 80]

ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]
ClassC_M = [100, 100, 100, 95, 95, 95, 95, 95, 90, 85, 90, 90, 90, 95, 90, 95, 95, 95, 95, 90]
ClassC_E = [80, 90, 100, 100, 100, 90, 95, 95, 95, 90, 95, 90, 95, 90, 95, 90, 95, 90, 95, 85]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 每个刻度标签下有几个group就有几个箱子
group_dataA = [ClassA_C, ClassA_M, ClassA_E]

boxplot_dataABC_C = [ClassA_C, ClassB_C, ClassC_C]
boxplot_dataABC_M = [ClassA_M, ClassB_M, ClassC_M]
boxplot_dataABC_E = [ClassA_E, ClassB_E, ClassC_E]

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['语文', '数学', '英语']
length = len(x_labels)
x_loc = np.arange(length)

labels = [['语文', '语文', '语文'], ['数学', '数学', '数学'], ['英语', '英语', '英语']]

group_number = len(group_dataA)
total_width = 0.6
box_total_width = total_width * 0.65
interval_total_width = total_width * 0.35
box_width = box_total_width / group_number

###################################################
if group_number == 1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width / (group_number - 1)

###################################################
if group_number % 2 == 0:
    x1_box = x_loc - (group_number / 2 - 1) * box_width - box_width / 2 - (group_number / 2 - 1) * interval_width - interval_width / 2
else:
    x1_box = x_loc - ((group_number - 1) / 2) * box_width - ((group_number - 1) / 2) * interval_width
x_list_box = [x1_box + box_width * i + interval_width * i for i in range(group_number)]


boxplot_data = [boxplot_dataABC_C, boxplot_dataABC_M, boxplot_dataABC_E]

for i in range(len(boxplot_data)):
    #####################################################################
    # 先画boxplot
    #######################
    # boxplot_data_num用来统计每组数据的长度, 画scatter图时会用到
    boxplot_data_num = []
    for j in boxplot_data[i]:
        boxplot_data_num_tmp = len(j)
        boxplot_data_num.append(boxplot_data_num_tmp)
    #######################
    ax.boxplot(boxplot_data[i], positions=x_list_box[i], widths=box_width, patch_artist=True,
               medianprops={'lw': 1, 'color': color_list[i]},
               boxprops={'facecolor': 'None', 'edgecolor': color_list[i]},
               capprops={'lw': 1, 'color': color_list[i]},
               whiskerprops={'ls': '-', 'lw': 1, 'color': color_list[i]},
               showfliers=False, zorder=1, labels=labels[i])
    # flierprops = {'marker': 'o', 'markerfacecolor': color_list[i], 'markeredgecolor': color_list[i], 'markersize': 8}
    #####################################################################
    # 再画scatter
    # 将每一组箱线图统计的所有点绘制在图上
    # spotx是每一组箱线图所有的点的横坐标
    spotx = []
    for j_spotx, k_spotx in zip(x_list_box[i], boxplot_data_num):
        spotx_tmp = [j_spotx] * k_spotx
        spotx.append(spotx_tmp)
    # print('$$$spotx:', spotx)
    ax.scatter(spotx, boxplot_data[i], c=color_list[i], s=30, zorder=2)
ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(title='学科', loc='center left', bbox_to_anchor=(1.02, 0.5), facecolor='None', edgecolor='#000000',
           frameon=True, ncol=1, markerscale=3, borderaxespad=0, handletextpad=0.1, fontsize='x-large',
           title_fontsize='x-large', labels=legend_labels)
################################################################################################################
################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()
3.1.1-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第31张图片

由输出结果可知，并没有像我们预期的那样生成正确的legend。原因是因为我们在画箱线图时，并不是按照Group来画的，即不是按照[甲班语文，甲班数学，甲班英语，乙班语文，乙班数学，乙班英语，丙班语文，丙班数学，丙班英语]的顺序，而是按照[甲班语文，乙班语文，丙班语文，甲班数学，乙班数学，丙班数学，甲班英语，乙班英语，丙班英语]的顺序来画的。
如果我们按照Group来画的，即按照[甲班语文，甲班数学，甲班英语，乙班语文，乙班数学，乙班英语，丙班语文，丙班数学，丙班英语]的顺序来画，请看3.1.1-3和3.1.1-4的内容：

3.1.1-3、代码如下（数据来自往期文章）：
import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
ClassA_M = [70, 90, 95, 85, 75, 85, 90, 100, 100, 85, 90, 95, 98, 99, 85, 88, 86, 75, 78, 90]
ClassA_E = [90, 100, 100, 85, 75, 90, 100, 100, 75, 70, 85, 90, 95, 95, 90, 80, 70, 80, 70, 75]

ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
ClassB_M = [60, 70, 75, 80, 75, 75, 65, 80, 60, 80, 90, 95, 95, 90, 80, 85, 75, 75, 60, 65]
ClassB_E = [70, 75, 75, 70, 60, 90, 98, 95, 85, 75, 70, 60, 65, 70, 75, 75, 80, 75, 70, 80]

ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]
ClassC_M = [100, 100, 100, 95, 95, 95, 95, 95, 90, 85, 90, 90, 90, 95, 90, 95, 95, 95, 95, 90]
ClassC_E = [80, 90, 100, 100, 100, 90, 95, 95, 95, 90, 95, 90, 95, 90, 95, 90, 95, 90, 95, 85]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 每个刻度标签下有几个group就有几个箱子
group_dataA = [ClassA_C, ClassA_M, ClassA_E]

boxplot_dataA_CME = [ClassA_C, ClassA_M, ClassA_E]
boxplot_dataB_CME = [ClassB_C, ClassB_M, ClassB_E]
boxplot_dataC_CME = [ClassC_C, ClassC_M, ClassC_E]

boxplot_dataABC_C = [ClassA_C, ClassB_C, ClassC_C]
boxplot_dataABC_M = [ClassA_M, ClassB_M, ClassC_M]
boxplot_dataABC_E = [ClassA_E, ClassB_E, ClassC_E]

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['语文', '数学', '英语']
length = len(x_labels)
x_loc = np.arange(length)

labels = ['语文', '数学', '英语']

group_number = len(group_dataA)
total_width = 0.6
box_total_width = total_width * 0.65
interval_total_width = total_width * 0.35
box_width = box_total_width / group_number

###################################################
if group_number == 1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width / (group_number - 1)

###################################################
if group_number % 2 == 0:
    x1_box = x_loc - (group_number / 2 - 1) * box_width - box_width / 2 - (group_number / 2 - 1) * interval_width - interval_width / 2
else:
    x1_box = x_loc - ((group_number - 1) / 2) * box_width - ((group_number - 1) / 2) * interval_width
x_list_box = [x1_box + box_width * i + interval_width * i for i in range(group_number)]

x_list_box_new = []

for i in range(len(group_dataA)):
    for j in range(len(group_dataA)):
        x_list_box_new.append(x_list_box[i][j])
x_list_box_new = sorted(x_list_box_new)

x_list_box_final = []
for i in range(len(group_dataA)):
    x_list_box_final.append(x_list_box_new[3 * i:3 * (i + 1)])

bplot1 = plt.boxplot(boxplot_dataA_CME, positions=x_list_box_final[0], widths=box_width,
                     patch_artist=True, showfliers=False, zorder=1, labels=labels)

for patch, color in zip(bplot1['boxes'], color_list):
    patch.set_edgecolor(color)
    patch.set_facecolor('None')

bplot2 = plt.boxplot(boxplot_dataB_CME, positions=x_list_box_final[1], widths=box_width,
                     patch_artist=True, showfliers=False, zorder=1, labels=labels)

for patch, color in zip(bplot2['boxes'], color_list):
    patch.set_edgecolor(color)
    patch.set_facecolor('None')

bplot3 = plt.boxplot(boxplot_dataC_CME, positions=x_list_box_final[2], widths=box_width,
                     patch_artist=True, showfliers=False, zorder=1, labels=labels)

for patch, color in zip(bplot3['boxes'], color_list):
    patch.set_edgecolor(color)
    patch.set_facecolor('None')

########################################################################
########################################################################
boxplot_data = [boxplot_dataABC_C, boxplot_dataABC_M, boxplot_dataABC_E]

for i in range(len(boxplot_data)):
    # boxplot_data_num用来统计每组数据的长度, 画scatter图时会用到
    boxplot_data_num = []
    for j in boxplot_data[i]:
        boxplot_data_num_tmp = len(j)
        boxplot_data_num.append(boxplot_data_num_tmp)

    spotx = []
    for j_spotx, k_spotx in zip(x_list_box[i], boxplot_data_num):
        spotx_tmp = [j_spotx] * k_spotx
        spotx.append(spotx_tmp)

    ax.scatter(spotx, boxplot_data[i], c=color_list[i], s=30, zorder=2)
########################################################################
########################################################################

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(handles=bplot1['boxes'], title='学科', loc='center left', bbox_to_anchor=(1.02, 0.5),
           facecolor='None', edgecolor='#000000', frameon=True, ncol=1, markerscale=3, borderaxespad=0,
           handletextpad=0.1, fontsize='x-large', title_fontsize='x-large', labels=legend_labels)
################################################################################################################
################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()
3.1.1-4、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第32张图片

由输出结果可知，这样操作才能输出我们想要的效果，但是这样生成图例的方法并不适用于数据集比较多的情况，也不适用于自动读取数据集并批量绘制箱线图的操作，所以我们在往期中没有采取这种生成图例的方式。

3.2、还有什么方法能够生成箱线图的图例？

详见3.1.1-3和3.1.1-4的内容，采取面向对象画图例的方式，bp[‘boxes’]是为了获取箱线图的箱体这个对象，它的属性也会被获取到，比如颜色和形状。

3.3、箱线图的图例生成方法和柱状图、折线图、饼图、直方图、散点图等图的图例生成方法有什么不同之处或特别之处？

柱状图采用plt.bar(label=‘字符串’);plt.legend()来生成图例；
折线图采用plt.plot(label=‘字符串’);plt.legend()来生成图例;
直方图采用plt.hist(label=‘字符串’);plt.legend()来生成图例;
散点图采用plt.scatter(label=‘字符串’);plt.legend()来生成图例;
饼图采用的方式如下所示：

3.3.1、方式一：既生成图例又在扇形旁显示标签

3.3.1-1、代码如下：
# 扇形图例标识
import matplotlib.pyplot as plt

# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 扇形图例标识
labels = ['0-10岁', '10-20岁', '20-30岁', '30-40岁', '40-100岁']

# 扇形大小
sizes = [40, 30, 20, 5, 5]
# 第二块扇形偏移
explode = [0, 0.1, 0, 0, 0]

# 创建图形
fig, ax = plt.subplots()

# 开始画饼图
ax.pie(sizes, labels=labels, explode=explode, autopct='%1.1f%%', shadow=True)

# 确保画的饼是圆的
ax.axis('equal')

ax.set_title('各年龄段长蛀牙情况')

# 设置图例
ax.legend()

plt.show()
3.3.1-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第33张图片

3.3.2、方式二：只生成图例，且不在扇形旁显示标签

3.3.2-1、代码如下：
# 扇形图例标识
import matplotlib.pyplot as plt

# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 扇形图例标识
labels = ['0-10岁', '10-20岁', '20-30岁', '30-40岁', '40-100岁']

# 扇形大小
sizes = [40, 30, 20, 5, 5]
# 第二块扇形偏移
explode = [0, 0.1, 0, 0, 0]

# 创建图形
fig, ax = plt.subplots()

# 开始画饼图
ax.pie(sizes, explode=explode, autopct='%1.1f%%', shadow=True)

# 确保画的饼是圆的
ax.axis('equal')

ax.set_title('各年龄段长蛀牙情况')

# 设置图例
ax.legend(labels=labels)

plt.show()
3.3.2-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第34张图片

3.3.3、方式三：只在扇形旁显示标签，且不生成图例

3.3.3-1、代码如下：
# 扇形图例标识
import matplotlib.pyplot as plt

# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 扇形图例标识
labels = ['0-10岁', '10-20岁', '20-30岁', '30-40岁', '40-100岁']

# 扇形大小
sizes = [40, 30, 20, 5, 5]
# 第二块扇形偏移
explode = [0, 0.1, 0, 0, 0]

# 创建图形
fig, ax = plt.subplots()

# 开始画饼图
ax.pie(sizes, labels=labels, explode=explode, autopct='%1.1f%%', shadow=True)

# 确保画的饼是圆的
ax.axis('equal')

ax.set_title('各年龄段长蛀牙情况')

# 设置图例
# ax.legend()

plt.show()
3.3.3-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第35张图片

3.3.4、方式四：只在扇形旁显示标签，且不生成图例，如果不想把扇形做分离，可以去掉explode参数

3.3.4-1、代码如下：
# 扇形图例标识
import matplotlib.pyplot as plt

# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 扇形图例标识
labels = ['0-10岁', '10-20岁', '20-30岁', '30-40岁', '40-100岁']

# 扇形大小
sizes = [40, 30, 20, 5, 5]
# 第二块扇形偏移
explode = [0, 0.1, 0, 0, 0]

# 创建图形
fig, ax = plt.subplots()

# 开始画饼图
ax.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True)

# 确保画的饼是圆的
ax.axis('equal')

ax.set_title('各年龄段长蛀牙情况')

# 设置图例
# ax.legend()

plt.show()
3.3.4-2、输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第36张图片

二、多种颜色的普通分组箱线图和散点图的叠加图

1.示例数据如下

表格如下（示例）：

班别 语文成绩(分/100分制) 数学成绩(分/100分制) 英语成绩(分/100分制)
甲班 80 70 90
90 90 100
75 95 100
65 85 85
85 75 75
95 85 90
100 90 100
100 100 100
80 100 75
70 85 70
90 90 85
95 95 90
85 98 95
86 99 95
92 85 90
90 88 80
95 86 70
90 75 80
85 78 70
100 90 75
乙班 60 60 70
70 70 75
80 75 75
65 80 70
75 75 60
80 75 90
73 65 98
75 80 95
85 60 85
90 80 75
95 90 70
65 95 60
70 95 65
75 90 70
80 80 75
85 85 75
95 75 80
85 75 75
80 60 70
70 65 80
丙班 60 100 80
80 100 90
100 100 100
100 95 100
100 95 100
100 95 90
90 95 95
95 95 95
95 90 95
95 85 90
85 90 95
95 90 90
95 90 95
95 95 90
95 90 95
80 95 90
95 95 95
90 95 90
90 95 95
90 90 85

现在需要把表格中的数据绘制成箱线图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
ClassA_M = [70, 90, 95, 85, 75, 85, 90, 100, 100, 85, 90, 95, 98, 99, 85, 88, 86, 75, 78, 90]
ClassA_E = [90, 100, 100, 85, 75, 90, 100, 100, 75, 70, 85, 90, 95, 95, 90, 80, 70, 80, 70, 75]

ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
ClassB_M = [60, 70, 75, 80, 75, 75, 65, 80, 60, 80, 90, 95, 95, 90, 80, 85, 75, 75, 60, 65]
ClassB_E = [70, 75, 75, 70, 60, 90, 98, 95, 85, 75, 70, 60, 65, 70, 75, 75, 80, 75, 70, 80]

ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]
ClassC_M = [100, 100, 100, 95, 95, 95, 95, 95, 90, 85, 90, 90, 90, 95, 90, 95, 95, 95, 95, 90]
ClassC_E = [80, 90, 100, 100, 100, 90, 95, 95, 95, 90, 95, 90, 95, 90, 95, 90, 95, 90, 95, 85]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 每个刻度标签下有几个group就有几个箱子
group_dataA = [ClassA_C, ClassA_M, ClassA_E]

boxplot_dataABC_C = [ClassA_C, ClassB_C, ClassC_C]
boxplot_dataABC_M = [ClassA_M, ClassB_M, ClassC_M]
boxplot_dataABC_E = [ClassA_E, ClassB_E, ClassC_E]

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['语文', '数学', '英语']
length = len(x_labels)
x_loc = np.arange(length)

group_number = len(group_dataA)
total_width = 0.6
box_total_width = total_width * 0.65
interval_total_width = total_width * 0.35
box_width = box_total_width / group_number

###################################################
if group_number == 1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width / (group_number - 1)

###################################################
if group_number % 2 == 0:
    x1_box = x_loc - (group_number / 2 - 1) * box_width - box_width / 2 - (group_number / 2 - 1) * interval_width - interval_width / 2
else:
    x1_box = x_loc - ((group_number - 1) / 2) * box_width - ((group_number - 1) / 2) * interval_width
x_list_box = [x1_box + box_width * i + interval_width * i for i in range(group_number)]


boxplot_data = [boxplot_dataABC_C, boxplot_dataABC_M, boxplot_dataABC_E]

for i in range(len(boxplot_data)):
    #####################################################################
    # 先画boxplot
    #######################
    # boxplot_data_num用来统计每组数据的长度, 画scatter图时会用到
    boxplot_data_num = []
    for j in boxplot_data[i]:
        boxplot_data_num_tmp = len(j)
        boxplot_data_num.append(boxplot_data_num_tmp)
    #######################
    ax.boxplot(boxplot_data[i], positions=x_list_box[i], widths=box_width, patch_artist=True,
               medianprops={'lw': 1, 'color': color_list[i]},
               boxprops={'facecolor': 'None', 'edgecolor': color_list[i]},
               capprops={'lw': 1, 'color': color_list[i]},
               whiskerprops={'ls': '-', 'lw': 1, 'color': color_list[i]},
               showfliers=False, zorder=1)
    # flierprops = {'marker': 'o', 'markerfacecolor': color_list[i], 'markeredgecolor': color_list[i], 'markersize': 8}
    #####################################################################
    # 再画scatter
    # 将每一组箱线图统计的所有点绘制在图上
    # spotx是每一组箱线图所有的点的横坐标
    spotx = []
    for j_spotx, k_spotx in zip(x_list_box[i], boxplot_data_num):
        spotx_tmp = [j_spotx] * k_spotx
        spotx.append(spotx_tmp)
    # print('$$$spotx:', spotx)
    ax.scatter(spotx, boxplot_data[i], c=color_list[i], s=30, label=legend_labels[i], zorder=2)
ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(title='学科', loc='center left', bbox_to_anchor=(1.02, 0.5), facecolor='None', edgecolor='#000000',
           frameon=True, ncol=1, markerscale=3, borderaxespad=0, handletextpad=0.1, fontsize='x-large', title_fontsize='x-large')
################################################################################################################
################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：

Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图_第37张图片

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

三、总结

以上就是今天要讲的内容，本文详细介绍了各种箱线图的绘制过程和方法，并用实例给大家演示了具体的实现代码和实现逻辑，并且在文中也详细回答了往期《Python Matplotlib数据可视化绘图之（二）————箱线图》（文章链接为：https://blog.csdn.net/Mr_Dragon66/article/details/127814202?spm=1001.2014.3001.5501）这篇文章中最后总结中所提的问题，希望对大家学习画箱线图有帮助。

你可能感兴趣的:(python,matplotlib,信息可视化,numpy)

  • Python OpenCV图像处理：从基础到高级的全方位指南 极客代码 玩转Python开发语言pythonopencv图像处理计算机视觉
    目录第一部分：PythonOpenCV图像处理基础1.1OpenCV简介1.2PythonOpenCV安装1.3实战案例：图像显示与保存1.4注意事项第二部分：PythonOpenCV图像处理高级技巧2.1图像变换2.2图像增强2.3图像复原第三部分：PythonOpenCV图像处理实战项目3.1图像滤波3.2图像分割3.3图像特征提取第四部分：PythonOpenCV图像处理注意事项与优化策略4
  • Python怎么判断两个字符串是否相等？ 老男孩IT教育 python开发语言
    在Python语言中，字符串是一种十分常见的数据类型，在很多业务场景下，我们需要判断两个字符串是否相等，这也是一个非常基础的操作，那么该如何实现呢?以下是详细的内容：Python中判断两个字符串是否相等有两种方法：直接比较和使用字符串方法。1、直接比较在Python中，我们可以使用==运算符来比较两个字符串是否相等。例如：str1='hello'str2='world'ifstr1==str2:p
  • 运用思维导图进行教学设计 安定区张虎
    制作思维导图是一个将碎片化的知识串联起来，形成可视化的图象，抽象化的文字转化具体化的图象，从而使知识点由分散到集中，由碎片化到彼此间建立联系性的过程。思维导图的制作，普遍利用结构性思维，这种思维导图最易掌握，也是最常见的思维导图。当然，人的思维方式多种多样，不仅仅只有结构性思维，如链条思维、逆向思维、创造性思维等等，因此，思维导图是一个极易掌握，又十分有深度的学习工具，它不仅有实用价值，还有研究价
  • 从单体到微服务：FastAPI ‘挂载’子应用程序的转变 黑金IT fastapi微服务fastapi架构
    在现代Web应用开发中，模块化架构是一种常见的设计模式，它有助于将大型应用程序分解为更小、更易于管理的部分。FastAPI，作为一个高性能的PythonWeb框架，提供了强大的支持来实现这种模块化设计。通过“挂载”子应用程序，我们可以为不同的功能区域（如前端接口、管理员接口和用户中心）创建独立的应用程序，并将它们整合到一个主应用程序中。本文将详细介绍如何在FastAPI中使用“挂载”子应用程序的方
  • golang学习笔记--MPG模型 xxzed golang#学习笔记学习笔记golang
    MPG模式：M（Machine）：操作系统的主线程P（Processor）：协程执行需要的资源（上下文context），可以看作一个局部的调度器，使go代码在一个线程上跑，他是实现从N：1到N：M映射的关键G（Goroutine）：协程，有自己的栈。包含指令指针（instructionpointer）和其它信息（正在等待的channel等等），用于调度。一个P下面可以有多个G1、当前程序有三个M,
  • python对一段文字进行去头、去尾、替换某个字 沫明
    a='...湖北中楚物业股份有限公司新疆分公司详情****'print(a[3:])#湖北中楚物业股份有限公司新疆分公司详情****print(a[:-4])#...湖北中楚物业股份有限公司新疆分公司详情print(a[3:-4])#湖北中楚物业股份有限公司新疆分公司详情a=a.replace('湖北','')print(a)#...中楚物业股份有限公司新疆分公司详情****
  • 由于直接在一个回答中提供完整且多语言的游戏商城代码是不现实的（因为每种语言都有其独特的语法和库），我将为你概述一个游戏商城的核心概念，并提供几种不同编程语言的基本框架或示例代码段。 uthRaman 游戏python开发语言
    商城系统概述hailiangwang.com游戏商城系统通常包含以下部分：用户系统（登录、注册、用户信息）商品列表（游戏、DLC、虚拟货币等）购物车系统支付系统订单系统2.示例框架（伪代码）首先，我们给出一个伪代码框架，描述商城的核心逻辑。plaintextclassUser:deflogin(username,password):#验证用户登录passdefregister(username,p
  • 2023-10-16呼建荣，中原焦点团队，网络中级第33期，坚持分享734天 呼建荣
    筑基课团体心理咨询技能第一讲。团体辅导、咨询、治疗的异同。1.相同：工作原理、技术、方法相似，都认为人的困惑与障碍是人与外部环境的关系出了问题，都认为可以通过团体中人际互动来解决。2.区别：①团体辅导，起源于学校，有主题，重在信息和知识的传递。人数一般在25至45人。②团体咨询，针对心理咨询，少则三五人，多则十几人到几十人。更关心团体之间的互动。重视团体动力和问题解决。③团体治疗起源于医院，6－1
  • python 读写csv文件方法 菩提本无树007 pythonpandas开发语言
    csv是一种结构化文件，可以将文本转化成矩阵的形式，方便程序读取和处理。下面来介绍一下使用python读写csv文件的方法：1.首先需要使用pip安装python包，然后将csv文件解压到一个文件夹下2.使用pip安装python包，安装完成后在终端输入：3.在终端输入命令：4.输入完成后，打开终端，在命令行输入以下代码：5.最后输出结果，可以看到csv文件已经打开了。6.将csv文件放入到pyt
  • Sentinel 眼泪落在琴弦 springcloudjavajava
    Sentinel（服务熔断降级限流）1.引入spring-cloud-starter-alibaba-sentinel2.下载sentinel服务器3.配置application地址信息4.在控制台调整参数【默认所以流控设置保存在内存中，重启失效】5.想实时监控需每个微服务导入actuator，并配置application暴露所有端口6.自定义sentinel流控返回数据7.配置sentinel类
  • Python编写简单登录系统的完整指南 qq_35430208 pythonpython开发语言Python编写简单登录系统登录系统
    在现代应用中，用户认证和登录系统是一个非常重要的功能。通过登录系统，应用能够识别用户的身份，并为其提供相应的权限和服务。本文将介绍如何使用Python编写一个简单的登录系统，包括用户注册、登录验证、密码加密等功能。通过这一教程，将学习如何构建一个基本的用户登录系统，并理解其中的关键技术。系统需求分析一个基本的登录系统应该具备以下功能：用户注册：新用户可以创建账号，系统会将用户名和密码存储起来。登录
  • 分享一个基于python的电子书数据采集与可视化分析 hadoop电子书数据分析与推荐系统 spark大数据毕设项目（源码、调试、LW、开题、PPT) 计算机源码社 Python项目大数据大数据pythonhadoop计算机毕业设计选题计算机毕业设计源码数据分析spark毕设
    作者：计算机源码社个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！学习资料、程序开发、技术解答、文档报告如需要源码，可以扫取文章下方二维码联系咨询Java项目微信小程序项目Android项目Python项目PHP项目ASP.NET项目Node.js项目选题推荐项目实战|p
  • talib的python库安装 jesonwz python开发语言
    talib的python库安装反正用清华源装不上发现talib的指标好多，想着用用，结果在python里装不上，清华源里提示找不到。也难怪，这个库上网查了一下，最新一次更新是在2013年，太老了。废话不说，上我的解决办法。解决方法步骤（靠谱的）思路：既然在线装不上，就用离线的1.下载对应python版本的talib的whl版本安装文件，链接在这：https://blog.csdn.net/FL16
  • TA-Lib Python 库 Windows 64位安装包 黄桥壮Quinn
    TA-LibPython库Windows64位安装包TA.rar项目地址:https://gitcode.com/open-source-toolkit/3ff39简介本仓库提供了一个适用于Windows64位系统的TA-LibPython库安装包。TA-Lib是一个广泛用于金融技术分析的库，支持多种技术指标的计算。资源文件文件名TA-Lib-0.4.29-cp312-win-amd64.whl描
  • 快速进入新领域的4种方式与3个视角 自在普拉斯
    4种方式：多条腿走路跟人学：针对性强，时效性好，能获取第一手信息。推荐：在行、公众号、社群等。做事学：目标明确，可模仿。推荐：做助教、开源项目、工作实践。上网学：时效性较高，信息庞杂需筛选，可快速建了概念。推荐：知乎、云课堂、得到。看书学：知识系统化，时效性差，干扰小。推荐：亚马逊评论、豆瓣读书、图书馆。新入门领域如果比较庞大，可考虑4种方式结合着来，一般2-3种方式即足够。建立概念和轮廓：上网学
  • python-pcl函数_Python简介，第4章-函数 cumei1658 javawebglpythonluaios
    python-pcl函数Runningthroughthedoor,Baldricfoundhimselfinanenormouscavern,itsceilinglostinshadow.Greatcolumnsofblackstonesoaredfromtheground,andpoolsoflavabubbledthroughout,lightingthecaverninadarkred.T
  • python绘制等高线和等值面初步 bcbobo21cn 图形学和3Dpython开发语言MatplotlibNumPy等高线
    importmatplotlib.pyplotaspltimportnumpyasnpx=np.linspace(-5,6,210)y=np.linspace(-5,6,210)x,y=np.meshgrid(x,y)z=(1-x/2+x**5+y**4)*np.exp(-x**2-y**2)plt.contour(x,y,z,levels=9,colors='black')plt.show()i
  • ajax的同源策略 Spring_Bear
    问题之前帮忙做的广告机器人数据提交的部分，利用ajax的XMLHTTPRequest提交到服务器的时候总是报错，错误类型是不同源。想到浏览器中的同源策略，明白了问题的原因。同源策略简单的说，就是浏览器不允许两个不同源的域名之间交换信息，那么这里就有两个问题。一是，什么信息不允许交换；二是，怎样算不同源。阮一峰的这篇博客浏览器同源政策及其规避方法其实已经介绍得比较清楚。引用一下，第一个问题：目前，如
  • python模块TA_Lib文件whl下载地址汇总 国产bug零零柒 whlpythonlinuxwindows
    序号项目名称下载地址1TA_Lib-0.4.28-cp312-cp312-win32.whl.zip点我下载2TA_Lib-0.4.28-cp38-cp38-win32.whl.zip点我下载3TA_Lib-0.4.28-cp312-cp312-win_amd64.whl.zip点我下载4TA_Lib-0.4.28-cp38-cp38-win_amd64.whl.zip点我下载5TA_Lib-0.
  • Sentinel实时监控不展示问题 朱杰jjj sentinelsentinel
    问题官方插件Endpoint支持，可以实时统计出SpringBoot的健康状况和请求的调用信息在使用Endpoint特性之前需要在Maven中添加spring-boot-starter-actuator依赖，并在配置中允许Endpoints的访问。SpringBoot1.x中添加配置management.security.enabled=false。暴露的endpoint路径为/sentinelS
  • python读写CSV文件 bcbobo21cn .Netpython开发语言机器学习CSV
    做数据分析，有时候要分析的数据在CSV文件里；先看一下python读写CSV文件；importpandasaspddf=pd.read_csv('test1.csv')print(df)print('')print(df.head(2))companyname=["A1","B2","E3","F4"]legperson=["lier","yanqi","wangwu","zhangsan"]le
  • 如何做好人生的选择题？百科全书式天才——赫伯特·西蒙给你答案 伽马有话说
    赫伯特·西蒙是谁？想必知道的人非常少。但当看到他的履历后，相信没有人再怀疑他是个“天才”。西蒙出生于1916年6月15日，是个美国人，他的名字全称为赫伯特·亚历山大·西蒙，在2001年2月9日与世长辞，在这84年的岁月中，西蒙以27岁时取得的政治学博士学位为开端，先后步入了政治学、管理学、认知心理学、信息科学、人工智能、科学哲学、应用数学、统计学、运筹学、控制论、数理经济学、公共管理等领域，在这些
  • 初识HTTP（1） S1mple_easy 计算机网络学习笔记http
    HTTP基本概念HTTP是超⽂本传输协议，也就是HyperTextTransferProtocol超文本传输协议：HTTP是一个在计算机世界⾥专⻔在两点之间传输⽂字、图⽚、⾳频、视频等超⽂本数据的约定和规范。HTTP常见的状态码具体含义常见状态码1xx提示信息，表示目前是协议处理状态，还需后续操作2xx成功，报文已经收到并被正确处理200/204/2063xx重定向，资源位置发生变动，需要客户端重
  • python图片匹配 给麦兜吃芒果 pythonpython
    #方法一，可以直接用importpyautogui,timeclassPic():def__init__(self):passself.w,self.h=pyautogui.size()defget_win(self,number_x=32,number_y=24):#读取页面，记录rgb数据tx=int(self.w/number_x)ty=int(self.h/number_y)img=pya
  • 白嫖Gitee实现远程公告功能和小型文件上传下载 xu-jssy Python自动化脚本gitee
    备注：20240527更新：新增私人令牌下载模式一、准备工作1、打开Gitee网站：Gitee.comhttps://gitee.com/2、获取access_token，用于身份验证登录后点击右上角头像，在下拉菜单中进入个人主页点击左边的个人设置点击左边菜单中的安全设置->私人令牌点击右上角生成新令牌根据提示填写信息，点击提交在弹出的页面复制令牌，注意备份保存3、创建一个仓库用来存放文件可以把远
  • 基于Python执行lua脚本 xu-jssy Python自动化脚本pythonlua自动化rpa
    一、依赖安装pipinstalllupa二、源码将lua文件存放在base_path路径，将lua文件名称（不包含后缀名）传递给lua_runner函数即可importmultiprocessingimportlupa#lua文件存放位置base_path='D:\\test\\lua'classLuaFuncion:#创建Lua运行时环境lua=lupa.LuaRuntime(unpack_re
  • Python实现mysql命令行 xu-jssy pythonmysqladb
    一、源码importosimportpymysqldefsql_shell():password=input("EnterPassword:")#访问密码ifpassword.strip()!="yyds":print("Bye")return#清空控制台输出os.system("cls"ifos.name=="nt"else"clear")try:#连接到MySQL数据库conn=pymysql
  • python抓取网页内容401应该用哪个库_python3使用requests模块爬取页面内容入门 坂田月半
    python的爬虫相关模块有很多，除了requests模块，再如urllib和pycurl以及tornado等。相比而言，requests模块是相对简单易上手的。通过文本，大家可以迅速学会使用python的requests模块爬取页码内容。1.Requests唯一的一个非转基因的PythonHTTP库，人类可以安全享用。官网：http://cn.python-requests.org/zh_CN/
  • word转html制作操作手册,Word文档转换为HTML帮助文档操作手册范本.pdf 想吃草莓干 word转html制作操作手册
    Word文档转换为HTML帮助文档操作手册一、使用到的软件DOC2CHMDreamweaverCS3Helpandmanual4二、操作步骤1.先建立一个工作目录。如hhwork。2.将需要转换的文件复制到此工作目录下。如果是中文文件名，最好将其改为英文文件名。例：现在要将《小神探点检定修信息管理系统使用手册0.3.6.doc》转换为Html格式的帮助文档，首先将此文档复制到hhwork目录下并将
  • python图像匹配_opencvpython中的图像匹配 weixin_39585675 python图像匹配
    我一直在做一个项目，用opencvpython识别相机中显示的标志。我已经尝试过使用surf、颜色直方图匹配和模板匹配。但在这3个问题中，它并不总是返回正确的答案。我现在想要的是，解决我这个问题的最好办法是什么。模板图像示例：以下是摄像头中显示的标志示例。如果这是我想要识别的图像，该怎么用？在更新matchTemplate中的代码flags=["Cambodia.jpg","Laos.jpg","
  • 312个免费高速HTTP代理IP（能隐藏自己真实IP地址） yangshangchuan 高速免费superwordHTTP代理
        124.88.67.20:843 190.36.223.93:8080 117.147.221.38:8123 122.228.92.103:3128 183.247.211.159:8123 124.88.67.35:81 112.18.51.167:8123 218.28.96.39:3128 49.94.160.198:3128 183.20
  • pull解析和json编码 百合不是茶 androidpull解析json
    n.json文件: [{name:java,lan:c++,age:17},{name:android,lan:java,age:8}]   pull.xml文件 <?xml version="1.0" encoding="utf-8"?> <stu>     <name>java
  • [能源与矿产]石油与地球生态系统 comsci 能源
          按照苏联的科学界的说法,石油并非是远古的生物残骸的演变产物,而是一种可以由某些特殊地质结构和物理条件生产出来的东西,也就是说,石油是可以自增长的....       那么我们做一个猜想: 石油好像是地球的体液,我们地球具有自动产生石油的某种机制,只要我们不过量开采石油,并保护好
  • 类与对象浅谈 沐刃青蛟 java基础
           类，字面理解，便是同一种事物的总称，比如人类，是对世界上所有人的一个总称。而对象，便是类的具体化，实例化，是一个具体事物，比如张飞这个人，就是人类的一个对象。但要注意的是：张飞这个人是对象，而不是张飞，张飞只是他这个人的名字，是他的属性而已。而一个类中包含了属性和方法这两兄弟，他们分别用来描述对象的行为和性质（感觉应该是
  • 新站开始被收录后，我们应该做什么？ IT独行者 PHPseo
    新站开始被收录后，我们应该做什么？         百度终于开始收录自己的网站了，作为站长，你是不是觉得那一刻很有成就感呢，同时，你是不是又很茫然，不知道下一步该做什么了？至少我当初就是这样，在这里和大家一份分享一下新站收录后，我们要做哪些工作。       至于如何让百度快速收录自己的网站，可以参考我之前的帖子《新站让百
  • oracle 连接碰到的问题 文强chu oracle
    Unable to find a java Virtual Machine－－安装64位版Oracle11gR2后无法启动SQLDeveloper的解决方案 作者：草根IT网 来源：未知 人气：813标签： 导读：安装64位版Oracle11gR2后发现启动SQLDeveloper时弹出配置java.exe的路径，找到Oracle自带java.exe后产生的路径“C:\app\用户名\prod
  • Swing中按ctrl键同时移动鼠标拖动组件（类中多借口共享同一数据） 小桔子 java继承swing接口监听
            都知道java中类只能单继承，但可以实现多个接口，但我发现实现多个接口之后，多个接口却不能共享同一个数据，应用开发中想实现：当用户按着ctrl键时，可以用鼠标点击拖动组件，比如说文本框。 编写一个监听实现KeyListener,NouseListener,MouseMotionListener三个接口，重写方法。定义一个全局变量boolea
  • linux常用的命令 aichenglong linux常用命令
    1 startx切换到图形化界面 2 man命令:查看帮助信息 man 需要查看的命令,man命令提供了大量的帮助信息,一般可以分成4个部分 name:对命令的简单说明 synopsis:命令的使用格式说明 description:命令的详细说明信息 options:命令的各项说明 3 date:显示时间 语法：date [OPTION]... [+FORMAT]
  • eclipse内存优化 AILIKES javaeclipsejvmjdk
    一 基本说明      在JVM中，总体上分2块内存区,默认空余堆内存小于 40%时，JVM就会增大堆直到-Xmx的最大限制；空余堆内存大于70%时，JVM会减少堆直到-Xms的最小限制。     1)堆内存(Heap memory):堆是运行时数据区域，所有类实例和数组的内存均从此处分配,是Java代码可及的内存，是留给开发人
  • 关键字的使用探讨 百合不是茶 关键字
    //关键字的使用探讨/*访问关键词private 只能在本类中访问public 只能在本工程中访问protected 只能在包中和子类中访问默认的 只能在包中访问*//*final   类 方法 变量 final 类 不能被继承 final 方法 不能被子类覆盖，但可以继承 final 变量 只能有一次赋值，赋值后不能改变 final 不能用来修饰构造方法*///this()
  • JS中定义对象的几种方式 bijian1013 js
        1. 基于已有对象扩充其对象和方法(只适合于临时的生成一个对象)： <html> <head> <title>基于已有对象扩充其对象和方法(只适合于临时的生成一个对象)</title> </head> <script> var obj = new Object();
  • 表驱动法实例 bijian1013 java表驱动法TDD
    获得月的天数是典型的直接访问驱动表方式的实例，下面我们来展示一下： MonthDaysTest.java package com.study.test; import org.junit.Assert; import org.junit.Test; import com.study.MonthDays; public class MonthDaysTest { @T
  • LInux启停重启常用服务器的脚本 bit1129 linux
    启动，停止和重启常用服务器的Bash脚本，对于每个服务器，需要根据实际的安装路径做相应的修改   #! /bin/bash Servers=(Apache2, Nginx, Resin, Tomcat, Couchbase, SVN, ActiveMQ, Mongo); Ops=(Start, Stop, Restart); currentDir=$(pwd); echo
  • 【HBase六】REST操作HBase bit1129 hbase
    HBase提供了REST风格的服务方便查看HBase集群的信息，以及执行增删改查操作   1. 启动和停止HBase REST 服务 1.1 启动REST服务 前台启动（默认端口号8080） [hadoop@hadoop bin]$ ./hbase rest start   后台启动 hbase-daemon.sh start rest   启动时指定
  • 大话zabbix 3.0设计假设 ronin47
    What’s new in Zabbix 2.0? 去年开始使用Zabbix的时候，是1.8.X的版本，今年Zabbix已经跨入了2.0的时代。看了2.0的release notes，和performance相关的有下面几个：          :: Performance improvements::Trigger related da
  • http错误码大全 byalias http协议javaweb
    响应码由三位十进制数字组成，它们出现在由HTTP服务器发送的响应的第一行。 响应码分五种类型，由它们的第一位数字表示： 1）1xx：信息，请求收到，继续处理 2）2xx：成功，行为被成功地接受、理解和采纳 3）3xx：重定向，为了完成请求，必须进一步执行的动作 4）4xx：客户端错误，请求包含语法错误或者请求无法实现 5）5xx：服务器错误，服务器不能实现一种明显无效的请求
  • J2EE设计模式-Intercepting Filter bylijinnan java设计模式数据结构
    Intercepting Filter类似于职责链模式 有两种实现 其中一种是Filter之间没有联系，全部Filter都存放在FilterChain中，由FilterChain来有序或无序地把把所有Filter调用一遍。没有用到链表这种数据结构。示例如下： package com.ljn.filter.custom; import java.util.ArrayList;
  • 修改jboss端口 chicony jboss
    修改jboss端口   %JBOSS_HOME%\server\{服务实例名}\conf\bindingservice.beans\META-INF\bindings-jboss-beans.xml   中找到 <!-- The ports-default bindings are obtained by taking the base bindin
  • c++ 用类模版实现数组类 CrazyMizzz C++
    最近c++学到数组类，写了代码将他实现，基本具有vector类的功能 #include<iostream> #include<string> #include<cassert> using namespace std; template<class T> class Array { public: //构造函数
  • hadoop dfs.datanode.du.reserved 预留空间配置方法 daizj hadoop预留空间
    对于datanode配置预留空间的方法 为：在hdfs-site.xml添加如下配置  <property>     <name>dfs.datanode.du.reserved</name>     <value>10737418240</value>    
  • mysql远程访问的设置 dcj3sjt126com mysql防火墙
    第一步: 激活网络设置 你需要编辑mysql配置文件my.cnf. 通常状况，my.cnf放置于在以下目录： /etc/mysql/my.cnf (Debian linux) /etc/my.cnf （Red Hat Linux/Fedora Linux) /var/db/mysql/my.cnf (FreeBSD) 然后用vi编辑my.cnf，修改内容从以下行： [mysqld] 你所需要: 1
  • ios 使用特定的popToViewController返回到相应的Controller dcj3sjt126com controller
    1、取navigationCtroller中的Controllers NSArray * ctrlArray = self.navigationController.viewControllers; 2、取出后，执行， [self.navigationController popToViewController:[ctrlArray objectAtIndex:0] animated:YES
  • Linux正则表达式和通配符的区别 eksliang 正则表达式通配符和正则表达式的区别通配符
    转载请出自出处：http://eksliang.iteye.com/blog/1976579 首先得明白二者是截然不同的 通配符只能用在shell命令中,用来处理字符串的的匹配。 判断一个命令是否为bash shell(linux 默认的shell)的内置命令 type -t commad 返回结果含义 file  表示为外部命令 alias  表示该
  • Ubuntu Mysql Install and CONF gengzg Install
    http://www.navicat.com.cn/download/navicat-for-mysql Step1: 下载Navicat ，网址：http://www.navicat.com/en/download/download.html Step2：进入下载目录，解压压缩包：tar -zxvf navicat11_mysql_en.tar.gz
  • 批处理，删除文件bat huqiji windowsdos
    @echo off ::演示：删除指定路径下指定天数之前（以文件名中包含的日期字符串为准）的文件。 ::如果演示结果无误，把del前面的echo去掉，即可实现真正删除。 ::本例假设文件名中包含的日期字符串（比如：bak-2009-12-25.log） rem 指定待删除文件的存放路径 set SrcDir=C:/Test/BatHome rem 指定天数 set DaysAgo=1
  • 跨浏览器兼容的HTML5视频音频播放器 天梯梦 html5
    HTML5的video和audio标签是用来在网页中加入视频和音频的标签，在支持html5的浏览器中不需要预先加载Adobe Flash浏览器插件就能轻松快速的播放视频和音频文件。而html5media.js可以在不支持html5的浏览器上使video和audio标签生效。   How to enable <video> and <audio> tags in
  • Bundle自定义数据传递 hm4123660 androidSerializable自定义数据传递BundleParcelable
          我们都知道Bundle可能过put****()方法添加各种基本类型的数据，Intent也可以通过putExtras(Bundle)将数据添加进去，然后通过startActivity()跳到下一下Activity的时候就把数据也传到下一个Activity了。如传递一个字符串到下一个Activity   把数据放到Intent
  • C＃：异步编程和线程的使用（.NET 4.5 ） powertoolsteam .net线程C#异步编程
    异步编程和线程处理是并发或并行编程非常重要的功能特征。为了实现异步编程，可使用线程也可以不用。将异步与线程同时讲，将有助于我们更好的理解它们的特征。 本文中涉及关键知识点 1. 异步编程 2. 线程的使用 3. 基于任务的异步模式 4. 并行编程 5. 总结 异步编程 什么是异步操作？异步操作是指某些操作能够独立运行，不依赖主流程或主其他处理流程。通常情况下，C＃程序
  • spark 查看 job history 日志 Stark_Summer 日志sparkhistoryjob
    SPARK_HOME/conf 下: spark-defaults.conf 增加如下内容 spark.eventLog.enabled true spark.eventLog.dir hdfs://master:8020/var/log/spark spark.eventLog.compress true spark-env.sh 增加如下内容 export SP
  • SSH框架搭建 wangxiukai2015eye springHibernatestruts
    MyEclipse搭建SSH框架 Struts Spring Hibernate 1、new一个web project。 2、右键项目，为项目添加Struts支持。    选择Struts2 Core Libraries -<MyEclipes-Library>      点击Finish。src目录下多了struts
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他