箱形图系列

箱形图(box plot)也称箱须图(box-whisker plot)、箱线图、盒图

• 显示一组数据的最大值、最小值、中位数、及上下四分位数；

• 用来反映一组或多组连续型定量数据分布的中心位置和散步范围；

• 从盒子两端延伸出来的线条称为“晶须”(whisker)；

• 用来表示上下四分位数以外的变量；

异常值(outlier)

有时会以与晶须处于同一水平的单一数据点表示；

四分位数(quartile)

在统计学中把所有数值由小到大排列并分成四等份；处于三个分割点位置的数值；

分位数

将总体的全部数据按大小顺序排列后，处于各等分位置的变量值；

中位数

如果将全部数据分成相等的两部分；

四分位数

如果分成四等分；也称为四分位点；将全部数据分成相等的四部分，其中每部分包括25%的数据，处于各分位点的数值；四分位数有三个

• 第一个四分位数---下四分位数；

  • 也称为“较小四分位”，等于该样本中所有数值由小到大排列后第25%的数字；

• 第二个四分位数---中位数

  • 也称为“中位数”，等于该样本中所有数值由小到大排列后第50%的数字；

• 第三个四分位数---上四分位数；

  • 也称为“较大四分位数”，等于该样本中所有数值由小到大排列后第75%数字；第三个四分位数与第一个四分位数的差距又称为四分位距(InterQuartile Range,IQR)；

箱形图通常用于描述性统计

• 直观明了地识别批量数据中的异常值；

• 利用箱型图判断批量数据的偏态和尾重；

箱型图系列绘制方法

• plotnine包中的geom_boxplot()函数可以绘制箱型图；

• 再使用geom_jitter()函数绘制抖动散点图；

绘制带误差线的箱形图

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

from plotnine import *

df=pd.read_csv('d:\python\out\DistributionD.csv')

df['class']=df['class'].astype("category", ["n", "s", "k", "mm"])

#带误差线的箱型图

box_plot=(ggplot(df,aes(x='class',y="value",fill="class"))

+geom_boxplot(show_legend=False)

+scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')

+theme_matplotlib()

+theme(aspect_ratio =1.05,

dpi=100,

figure_size=(4,4)))

print(box_plot)

box_plot.save("box_plot.pdf")

绘制箱型与抖动散点组合图

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

from plotnine import *

df=pd.read_csv('d:\python\out\DistributionD.csv')

df['class']=df['class'].astype("category",["n", "s", "k", "mm"])

#箱型与抖动散点组合图

box_plot1=(ggplot(df,aes(x='class',y="value",fill="class"))

+geom_boxplot(show_legend=False)

+geom_jitter(fill="black",shape=".",width=0.3,size=3,stroke=0.1,show_legend=False)

+scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')

+theme_matplotlib()

+theme(aspect_ratio =1.05,

dpi=100,

figure_size=(4,4)))

print(box_plot1)

box_plot.save("box_plot2.pdf")