python统计分析——箱线图（plt.boxplot）

参考资料：用python动手学统计学

使用matplotlib.pyplot.boxplot()函数绘制箱线图

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

data_set1=np.array([2,3,3,4,4,4,4,5,5,6])
data_set2=np.array([[2,3,3,4,4,4,4,5,5,6],[5,6,6,7,7,7,7,8,8,9]])
#.T将数组data_set2由原来的2行10列转换为2列10行
data_set2=data_set2.T

plt.boxplot(data_set1)
plt.boxplot(data_set2)

代码结果展示如下：

下面介绍plt.boxplot()函数中常用的几个重要参数（参数等号后为默认设置）：

（1）x，表示数据源；如果是一维的数组，则直接根据数组的数据产生一个箱线图，如果是二维数组，则按列的方向对数据进行统计，即有几列数据，就做几个箱线图。

（2）notch=None，默认为False，即箱框为矩形；若设置为True的箱框沿中间向内凹陷，代表着中位数的置信区间（结合bootstrap参数学习），如下图所示：

（3）sym=None，表示对异常值的显示标记。默认显示如下。

data_set3=np.array([-5,2,3,3,4,4,4,4,5,5,6])
plt.boxplot(data_set3)

当设置为sym="b+"（b表示颜色blue，+表示标记性状）时，显示如下：

（4）vert=None，默认为True，即箱线图垂直显示；若设置为False，则箱线图水平显示，如下：

plt.boxplot(data_set1,vert=False)

（5）whis=None，设置箱线图线须的位置，默认是1.5，即1.5倍的四分位距。Q1为下四分位数，Q3为上四分位数。箱线图线须的下界值为Q1-1.5*(Q3-Q1)，箱线图线须的上界值为Q3+1.5*(Q3-Q1)，在上下界范围之外的数据点被认为是异常值，并标注为异常点。当数据中的最小值大于箱线图的线须的下界值时，程序会把最小值当作下界值进行作图；同样当最大值小于线须的上界值时，程序会把最大值当作上界值进行作物。图片可以参照sym参数的图来看。

（6）positions=None，表示箱线图在坐标轴上的位置，默认在坐标轴上的位置为range(1,N+1)，N为数据的列数（注意range函数“包左不包右”的原则），下图注意刻度的变化：

plt.boxplot(data_set2,positions=[2,3])

（7）widths=None，表示箱子的宽度。默认设置为0.15倍间距，当设置widths=0.5时，效果如下：

（8）patch_artist=None，默认为False，即线图风格；当设置为True时，为填充风格，效果如下

（9）bootstrap=None，当notch设置为True，用于设置对中位数的95%的置信区间的验证次数，若不对其进行设置，则默认用Gaussian-based asymptotic approximation (see McGill, R., Tukey, J.W., and Larsen, W.A., 1978, and Kendall and Stuart, 1967)对notch进行设置。bootstrap的建设设置区间为1000至10000。

plt.boxplot(data_set1,notch=True,bootstrap=1000)

（10）usermedians=None，用于指定作图的中位数，默认为None，即由程序自行计算得到；也可以自行指定中位数，下图设置为：usermedians=[3.5,7.5]，展示如下，注意观察中位数所在位置的变化：

plt.boxplot(data_set2,usermedians=[3.5,7.5])

（11）conf_intervals=None，当notch设置为True时，用于设置置信区间；默认为None，即用bootstrap的相关数设置。下图表示将中位数的置信区间设置分别设置在3-5之间和3.5-4.5之间，注意观察区别。

plt.boxplot(data_set1,notch=True,conf_intervals=[(3,5)])

plt.boxplot(data_set1,notch=True,conf_intervals=[(3.5,4.5)])

（12）showmeans=None，表示是否显示均值，默认不显示。当设置为True则显示均值。

data_set3=np.array([1,2,3,3,4,4,4,4,5,9,9,10])
plt.boxplot(data_set3,showmeans=True)

（13）meanline=None，表示是否显示均值线，默认为False。当showmeans设置为True，且meanline=True时，则均值点显示为均值线。

下图为meanline=False，即默认设置的显示图片：

data_set3=np.array([1,2,3,3,4,4,4,4,5,9,9,10])
plt.boxplot(data_set3)

?下图为showmeans和meanline均为True的形式

data_set3=np.array([1,2,3,3,4,4,4,4,5,9,9,10])
plt.boxplot(data_set3,showmeans=True,meanline=True)

（14）showcaps=None，默认为True，用于设置须线两头的横杠，下图设置为False注意观察变化。

plt.boxplot(data_set3,showcaps=False)

（15）showbox=None，用于设置是否显示箱线图的箱子，默认为True，下图为False时的设置：

plt.boxplot(data_set3,showbox=False)

（16）若要将刻度线处的数字改为名称，需进行如下设置：

plt.boxplot(data_set2)
plt.xticks(ticks=[1,2],labels=["x","y"])