箱形图

箱形图（Box-plot）于 1977 年由美国著名统计学家约翰·图基（John Tukey）发明，因形状像箱子而得名。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数，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。

箱形图结构如下图所示，从上四分位数到下四分位数绘制一个盒子，然后用一条垂直触须（称为“盒须”）穿过盒子的中间。上垂线延伸至上边缘（最大值），下垂线延伸至下边缘（最小值）。

boxplot() 函数

Matplotlib 提供了 boxplot() 函数来绘制箱形图，可以应用在 MATLAB 样式以及面向对象的绘图方法中。当与 axes 对象一起使用时，语法格式如下：

axes.boxplot(x, notch, sym, vert, whis, positions, widths, patch_artist, bootstrap, usermedians, conf_intervals, meanline, showmeans, showcaps, showbox, showfliers, boxprops, labels, flierprops, medianprops, meanprops, capprops, whiskerprops, manage_ticks=True, autorange=False, zorder, capwidths, *, data)
x：数据序列。
notch：若为 True，将生成一个缺口箱线图。否则，生成一个矩形箱线图。
sym：字符串值，它是飞行点数的默认符号。
vert：若为 True，它会使方框垂直，否则是水平的。
whis：决定了晶须在第一和第三四分位数以外的延伸范围。
positions：设置框的位置。
widths：用于设置带有标量或序列的每个框的宽度。
patch_artist：若为 False，则用于生成带有 Line2D 艺术方框。
bootstrap：布尔值，指定是否引导切口箱线图的中间值周围的置信区间。
usermedians：一个数组或序列，其第一个维度与 x 兼容。
conf_interval：一个数组或序列，其第一个维度与 x 兼容，第二个维度为 2。
labels：每个数据集的标签。
manage_ticks：调整 tick 的位置和标签。
zorder：该参数用于设置箱线图的 zorder。

绘制示例

示例：

import numpy as np
import matplotlib.pyplot as pltnp.random.seed(10)
a1 = np.random.normal(90, 20, 200)
a2 = np.random.normal(70, 25, 200)
a3 = np.random.normal(100, 10, 200)
a4 = np.random.normal(80, 30, 200)fig = plt.figure('Box example1', figsize=(7, 9))
ax1 = fig.add_subplot(211)
ax1.boxplot([a1, a2, a3, a4], labels=['data1','data2','data3','data4'])
ax1.set_title('matplotlib.axes.Axes.boxplot() Example')ax2 = fig.add_subplot(212)
ax2.boxplot([a1, a2, a3, a4], notch=True, vert=False, whis=0.75)  # 生成缺口箱线图，水平方向，并指定延伸范围
plt.show()

上述代码绘制图像如下：

小提琴图

小提琴图（Violin Plot）是用来展示数据分布状态以及概率密度的图表，跟箱形图类似，但小提琴图还显示数据在不同数值下的概率密度。小提琴图使用核密度估计（KDE）来计算样本的分布情况，图中要素包括了中位数、四分位间距以及置信区间。在数据量非常大且不方便一一展示的时候，小提琴图特别适用。

小提琴图比箱型图提供了更多的信息，虽然箱型图显示了均值、中位数和上、下四分位数等统计信息，但是小提琴图却显示了数据的完整分布情况，这更利于数据的分析与比对。

violinplot() 函数

Matplotlib 提供了 violinplot() 函数来绘制小提琴图，可以应用在 MATLAB 样式以及面向对象的绘图方法中。当与 axes 对象一起使用时，语法格式如下：

axes.violinplot(dataset, positions, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, quantiles, points=100, bw_method, *, data)
dataset：绘制小提琴图的数据序列
positions：指定小提琴图位置，默认为：[1, 2, …, n]
vert：若为 True，它会使小提琴图垂直，否则是水平的。
widths：最大相对宽度，默认0.5。
showmeans、showextrema、showmedians：是否显示均值、极值、中位数
quantiles：指定分位数，0到1之间。
points：核密度估计点数，默认100。
bw_method：带宽计算方法，可以是 ‘scott’、'silverman’或者可调用对象。

绘制示例

示例：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpsnp.random.seed(10)
a1 = np.random.normal(loc=90, scale=20, size=200)
a2 = np.random.normal(70, 25, 200)
a3 = np.random.normal(100, 10, 200)
a4 = np.random.normal(80, 30, 200)fig = plt.figure('Violin example1', figsize=(6, 9))
ax1 = fig.add_subplot(211)
ax1.violinplot([a1, a2, a3, a4])
ax1.set_title('matplotlib.axes.Axes.violinplot() Example')
ax1.grid(axis='y')ax2 = fig.add_subplot(212)
h12 = ax2.violinplot([a1, a2], positions=[1,2], vert=False, showmeans=True)
h3 = ax2.violinplot([a3], positions=[4], vert=False, showmeans=True)
h4 = ax2.violinplot([a4], positions=[6], vert=False, showmeans=True, showmedians=True)h12_color = h12['bodies'][0].get_facecolor().flatten()  # 用不同颜色区分不同的小提琴图
h3_color = h3['bodies'][0].get_facecolor().flatten()
h4_color = h4['bodies'][0].get_facecolor().flatten()h12_patch = mps.Patch(color=h12_color, label='data1 and data2')
h3_patch = mps.Patch(color=h3_color, label='data3')
h4_patch = mps.Patch(color=h4_color, label='data4')
ax2.legend(handles=[h12_patch, h3_patch, h4_patch], loc='center left')  # 给小提琴图加图例的方法plt.show()

上述代码绘制图像如下：

以上。

数据可视化库 matplotlib 入门7——箱形图、小提琴图相关推荐

数据可视化库 matplotlib 入门 8——绘制文本与数学表达式、图形处理
Matplotlib 库使用入门8 绘制文本与数学表达式绘制文本的函数与功能绘制数学表达式图像处理在前面关于 matploblib 的文章中,笔者分别介绍了: matplotlib 库的安装与 ...
python绘制不带颜色曲线图_Python数据可视化库-Matplotlib——折线图，子图绘制
# coding:utf-8 import pandas as pd import numpy as np from matplotlib import pylab as plt # 导入数据可视化库 ...
[转载] Python数据可视化库-Matplotlib——折线图绘制
参考链接: Python Matplotlib数据可视化 plot折线图 # coding:utf-8 import pandas as pd import numpy as np from matp ...
Python数据可视化库Matplotlib折线图（一）
今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等废 ...
python可视化库matplotlib_Python数据可视化库-Matplotlib（一）
今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等废 ...
唐宇迪学习笔记3：Python数据可视化库——Matplotlib
目录一.Matplotlib概述最基本的图线条格式线条颜色颜色与格式结合二.子图与标注绘制多个线指定线条的宽度自定义参数子图给图上加上注释三.风格设置四.条形图五.条形图 ...
手把手教你学Python之Matplotlib绘图（一文掌握数据可视化库-Matplotlib）
目录 Matplotlib介绍线形图(折线图) 直方图条形图饼状图散点图 Matplotlib介绍 matplotlib是一个Python 的2D绘图库,提供了一套表示和操作图以 ...
【星海出品】数据可视化之Matplotlib入门（一）
官方网站: https://matplotlib.org/ Matplotlib 提供了一个套面向绘图对象编程的 API 接口,能够很轻松地实现各种图像的绘制,并且它可以配合 Python GUI 工 ...
【数据可视化】Matplotlib 入门到精通学习笔记(超详细)
数据可视化是什么如果将文本数据与图表数据相比较,人类的思维模式更适合于理解后者,原因在于图表数据更加直观且形象化,它对于人类视觉的冲击更强,这种使用图表来表示数据的方法被叫做数据可视化. 当使用图表 ...

数据可视化库 matplotlib 入门7——箱形图、小提琴图

Matplotlib 库使用入门7——箱形图、小提琴图

箱形图

boxplot() 函数

绘制示例

小提琴图

violinplot() 函数

绘制示例

数据可视化库 matplotlib 入门7——箱形图、小提琴图相关推荐

最新文章

热门文章