[三] 3 图表绘制工具：Matplotlib -- 图表绘制之箱形图

九、箱形图

箱形图又称为盒须图、盒式图或箱线图，它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

• 中位数：按顺序排列的一组数据中居于中间位置的数
• 上四分位数Q3：一组数据排序后处于75%（(1+n)/4*3）位置上的值
• 下四分位数Q1：一组数据排序后处于25%（(1+n)/4）位置上的值
• 四分位距IQR=Q3-Q1
• 内限：最大值Q3+1.5IQR，最小值Q1-1.5IQR
• 外限：最大值Q3+3IQR，最小值Q1-3IQR
• 异常值：内限与外限之间，中度异常，在外限以外，极度异常

箱形图的绘制步骤：

• 画数轴：度量单位大小和数据批的单位一致，起点比最小值稍小，长度比该数据批的全距稍长；
• 画一个矩形盒：两端分别对应数据批的上下四分位数（Q3和Q1）。在矩形盒内部中位数位置画中位线；
• 画内限和外限：箱型图一般没有标出内限和外限；
• 画上边缘和下边缘：从矩形盒两端边向外各画一条线段直到不是异常值的最远点，表示该批数据正常值的分布区间；
• 用"〇"标出中度异常值，用"*"标出极度异常值；相同值的数据点并列标出在同一数据线位置上。

1、plt.plot.box()

• vert：是否垂直，默认True
• positions：占位

箱形图着色：

• boxes：箱线的颜色
• whiskers：竖线的颜色
• medians：中位线的颜色
• caps：边缘线的颜色

df = pd.DataFrame(np.random.rand(10, 5), columns = list("ABCDE"))

color = dict(boxes = 'DarkGreen', whiskers = 'DarkOrange', medians = 'DarkBlue', caps = 'Gray')

df.plot.box(ylim = [0, 1.2],
            color = color,
            positions = [1, 4, 5, 6, 8])

df.plot.box(vert = False) # 垂直否

2、plt.boxplot()

plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=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, manage_xticks=True, autorange=False, zorder=None, hold=None, data=None)

• x: 数据
• notch: 默认False，生成一个矩形箱形图；如果为True，将生成一个带缺口的箱形图，缺口表示中位数附近的置信区间（CI）
• sym: 异常点形状，参考marker
• vert: 是否垂直，默认True
• whis: 默认1.5，表示上须Q3 + whis * IQR，下须Q1 - whis * IQR
  设置区间如[5,95]，代表强制上下边缘为数据95%和5%位置
  字符串"range"，将晶须强制为数据的最小值和最大值
• positions: 占位
• patch_artist: 箱体是否进行颜色填充，默认False
• meanline: 如果为True且showmeans为True，则将画出均值线，与中位线平行
• showmeans: 显示算数平均值
• showcaps: 是否显示上下边缘线
• showbox: 是否显示箱体，不显示则填充颜色也不显示
• showfliers: 是否显示异常值
• return_type = ‘dict’，返回类型为字典

df = pd.DataFrame(np.random.rand(10, 5), columns = list("ABCDE"))

plt.figure(figsize = (10, 4))

f = df.boxplot(notch = False, # 箱体是否带缺口
               sym = 'o', # 异常点形状，参考marker
               vert = True, # 是否垂直
               whis = 1.5,
               patch_artist = True,  # 箱体是否进行颜色填充
               meanline = True, # 如果为True且showmeans为True，则将画出均值线，与中位线平行
               showmeans = True, # 显示算数平均值
               showcaps = True, # 是否显示上下边缘线
               showbox = True, # 是否显示箱体，不显示则填充颜色也不显示
               showfliers = True, # 是否显示异常值
               return_type ='dict') # 返回类型为字典

boxes：箱体
medians：中位线
means：均值线
whiskers：竖线
caps：边缘线
fliers：异常值

# print(f.keys())
# dict_keys(['boxes', 'fliers', 'medians', 'caps', 'whiskers', 'means'])

for box in f['boxes']:
    box.set(edgecolor = 'r', facecolor = 'b', linewidth = 1, alpha = 0.5)
for median in f['medians']:
    median.set(color = 'DarkBlue', linewidth = 2)
for mean in f['means']:
    mean.set(color = 'y', linewidth = 2)
for whisker in f['whiskers']:
    whisker.set(color = 'g', linewidth = 0.5, linestyle = '-')
for cap in f['caps']:
    cap.set(color = 'gray', linewidth = 2)
for flier in f['fliers']:
    flier.set(marker = 'o', alpha = 0.5) # color为箱子颜色？

3、分组绘图

df = pd.DataFrame(np.random.rand(6, 2), columns = ['Col1', 'Col2'])
df['X'] = pd.Series(['A', 'A', 'A', 'B', 'B', 'B'])
df['Y'] = pd.Series(['A', 'B', 'B', 'B', 'A', 'A'])
'''
       Col1      Col2  X  Y
0  0.134612  0.451295  A  A
1  0.131603  0.922581  A  B
2  0.532679  0.247002  A  B
3  0.863306  0.736274  B  B
4  0.999598  0.052141  B  A
5  0.292755  0.493295  B  A
'''

df.boxplot(by = 'X')

df.boxplot(by = ['X', 'Y'], column = ['Col2'])