python 双/多类目箱型图绘画
全文目录
- 核心总结
- 绘制箱型图的函数：plt.boxplot
- 示例代码
- 结果图
- 箱型图
在网上找了好久，也没找到类似的方法，是自己基于matplotlib包试出来的。虽然还是报bug，但是已经能满足我需要了，在此记录一下，看看能不能帮到你。
先上结果图片，确认一下是不是自己需要的格式。
核心总结
plt.boxplot 的参数position 可以是小数，这样就可以通过调节参数来设置具体位置。
没看懂？那就继续看详细介绍。。
绘制箱型图的函数：plt.boxplot
plt.boxplot(x, notch=None, sym=None, vert=None, whis=None,
positions=None, widths=None, patch_artist=None, meanline=None,
showmeans=None, showcaps=None, showbox=None, showfliers=None,
boxprops=None, labels=None, flierprops=None, medianprops=None,
meanprops=None, capprops=None, whiskerprops=None)
-
x：指定要绘制箱线图的数据；
-
notch：是否是凹口的形式展现箱线图，默认非凹口；
-
sym：指定异常点的形状，默认为+号显示；
-
vert：是否需要将箱线图垂直摆放，默认垂直摆放；
-
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；
-
positions：指定箱线图的位置，默认为[0,1,2…] ；
-
widths：指定箱线图的宽度，默认为0.5；
-
patch_artist：是否填充箱体的颜色（True/False）；
-
meanline：是否用线的形式表示均值，默认用点来表示；
-
showmeans：是否显示均值，默认不显示；
-
showcaps：是否显示箱线图顶端和末端的两条线，默认显示；
-
showbox：是否显示箱线图的箱体，默认显示；
-
showfliers：是否显示异常值，默认显示；
-
boxprops：设置箱体的属性，如边框色，填充色等；
-
labels：为箱线图添加标签，类似于图例的作用；
-
filerprops：设置异常值的属性，如异常点的形状、大小、填充色等；
-
medianprops：设置中位数的属性，如线的类型、粗细等；
-
meanprops：设置均值的属性，如点的大小、颜色等；
-
capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等；
-
whiskerprops：设置须的属性，如颜色、粗细、线的类型等；1
示例代码
import matplotlib.pyplot as plt
def box():
#data是acc中三个箱型图的参数
data = [
[0.8676,0.8484,0.8293,0.8917,0.9151,0.9470,0.8935,0.8078,0.9081,0.8555,0.8897,0.9062,0.9190,0.8964,0.8520,0.8697,0.8738],
[0.8512,0.8026,0.7911,0.8787,0.9131,0.9532,0.8656,0.8159,0.9187,0.8421,0.8758,0.9096,0.9128,0.8951,0.8748,0.8537,0.8750],
[0.9161,0.9047,0.8635,0.9026,0.9328,0.9490,0.8911,0.8669,0.9227,0.8683,0.9114,0.9372,0.9475,0.9053,0.8839,0.9364,0.9032]]
#data2 是F1 score中三个箱型图的参数
data2=[
[0.9291,0.9180,0.9067,0.9427,0.9557,0.9728,0.9438,0.8937,0.9518,0.9221,0.9416,0.9508,0.9578,0.9454,0.9201,0.9303,0.9327],
[0.9196,0.8905,0.8834,0.9354,0.9546,0.9760,0.9279,0.8986,0.9576,0.9143,0.9338,0.9527,0.9544,0.9447,0.9332,0.9211,0.9333],
[0.9562,0.9500,0.9267,0.9488,0.9652,0.9738,0.9424,0.9287,0.9598,0.9295,0.9536,0.9676,0.9731,0.9503,0.9384,0.9672,0.9491]]
#data3 是IoU中三个箱型图的参数
data3 = [
[0.8733,0.8624,0.8673,0.8815,0.9363,0.9433,0.9163,0.8350,0.9094,0.8878,0.8956,0.9050,0.9238,0.9077,0.8686,0.8747,0.8877],
[0.8563,0.8368,0.8618,0.8743,0.9406,0.9479,0.8866,0.8473,0.9195,0.8679,0.8922,0.9091,0.9225,0.9111,0.8857,0.8629,0.8910],
[0.9172,0.9091,0.8864,0.9029,0.9503,0.9530,0.9200,0.8857,0.9211,0.9033,0.9201,0.9391,0.9430,0.9227,0.9056,0.9360,0.9145]]
#箱型图名称
labels = ["A", "B", "C"]
#三个箱型图的颜色 RGB （均为0~1的数据）
colors = [(202/255.,96/255.,17/255.), (255/255.,217/255.,102/255.), (137/255.,128/255.,68/255.)]
#绘制箱型图
#patch_artist=True-->箱型可以更换颜色，positions=(1,1.4,1.8)-->将同一组的三个箱间隔设置为0.4，widths=0.3-->每个箱宽度为0.3
bplot = plt.boxplot(data, patch_artist=True,labels=labels,positions=(1,1.4,1.8),widths=0.3)
#将三个箱分别上色
for patch, color in zip(bplot['boxes'], colors):
patch.set_facecolor(color)
bplot2 = plt.boxplot(data2, patch_artist=True, labels=labels,positions=(2.5,2.9,3.3),widths=0.3)
for patch, color in zip(bplot2['boxes'], colors):
patch.set_facecolor(color)
bplot3 = plt.boxplot(data3, patch_artist=True, labels=labels,positions=(4,4.4,4.8),widths=0.3)
for patch, color in zip(bplot3['boxes'], colors):
patch.set_facecolor(color)
x_position=[1,2.5,4]
x_position_fmt=["acc","F1 score","IoU"]
plt.xticks([i + 0.8 / 2 for i in x_position], x_position_fmt)
plt.ylabel('percent (%)')
plt.grid(linestyle="--", alpha=0.3) #绘制图中虚线 透明度0.3
plt.legend(bplot['boxes'],labels,loc='lower right') #绘制表示框，右下角绘制
plt.savefig(fname="pic.png",figsize=[10,10])
plt.show()
结果图
箱型图
如下灰色框里的就是箱形图（英文：Box plot）：又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。2
箱形图最大的优点就是不受异常值的影响，可以以一种相对稳定的方式描述数据的离散分布情况。
五数概括法：即用下面的五个数来概括数据（最小值；第1四分位数(Q1)；中位数(Q2)；第3四分位数(Q3)；最大值），箱形图与之类似。
参考文献：
[1] python——Matplotlib箱型图的绘制
[2] 箱形图（python画箱线图）