Python Matplotlib绘制箱线图boxplot()函数详解

箱线图

箱线图一般用来展现数据的分布，如上下四分位值、中位数等，也可以直观地展示异常点。Matplotlib提供了boxplot()函数绘制箱线图。

import matplotlib.pyplot as plt
_ = plt.boxplot(range(10))  # 10个数，0-9
plt.show()

箱线图虽然看起来简单，但包含的数据信息非常丰富。在上图中，橙色的线条表示中位数，中间条形的上下边界分别对应上四分位数（75％的数据都小于该值）与下四位分数（25％的数据小于该值），从条形延伸出两条线段，两条线段的终点表示数据的最大值和最小值。

import numpy as np

print(np.median(np.arange(10)))  # 中位数
print(np.percentile(np.arange(10), 25))  # 下4分位数，也叫第1分位数
print(np.percentile(np.arange(10), 75))  # 上4分位数，也叫第3分位数

4.5
2.25
6.75

Process finished with exit code 0

boxplot(）函数还提供了丰富的自定义选项

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 ：绘图数据。

● notch ：是否以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放，默认垂直放。

● 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 ：指定箱线图位置，默认为［0,1,2.…]。

● widths ：指定箱线图宽度，默认为0.5。

● patch _ artist ：是否填充箱体的颜色。

● meanline ：是否用线的形式表示均值，默认用点表示。

● 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。

箱线图通常用在多组数据比较时

下面代码展示了3组简单数据的箱线图，添加凹口、均值点、颜色以及每组的标签。

import matplotlib.pyplot as plt

a = plt.boxplot([range(10), range(20), range(30)],
               patch_artist=True,
               boxprops={'color': 'blue'},
               notch=True, showmeans=True,
               labels=['A', 'B', 'C'])
plt.show()

补充：plt.boxplot()函数绘制箱图、常用方法

实战

def plt_box_iamge(df):
    """
    snrr的五个范围为[5,10)、[10,15)、[15,20)、[20,30)、[30-)，按照五个snrr范围计算对应redchi的箱图
    :param df:包含snrr以及redchi的csv数据（dataFrame）。
    :return:
    """
    # 根据snrr范围对redchi进行筛选。
    df1 = df.loc[df['lam_snrr'] >= 5]
    redchi_1 = df1.loc[df1['lam_snrr'] < 10].redchi

    df2 = df.loc[df['lam_snrr'] >= 10]
    redchi_2 = df2.loc[df2['lam_snrr'] < 15].redchi

    df3 = df.loc[df['lam_snrr'] >= 15]
    redchi_3 = df3.loc[df3['lam_snrr'] < 20].redchi

    df4 = df.loc[df['lam_snrr'] >= 20]
    redchi_4 = df4.loc[df4['lam_snrr'] < 30].redchi

    redchi_5 = df.loc[df['lam_snrr'] >= 30].redchi
    # 绘图
    ax = plt.subplot()
    ax.boxplot([redchi_1, redchi_2, redchi_3, redchi_4, redchi_5])
    # 设置轴坐标值刻度的标签
    ax.set_xticklabels(['5<=snrr<10', '10<=snrr<15', '15<=snrr<20', '20<=snrr<30', '30<=snrr'], fontsize=8)
    #    保存图片 
    plt.savefig('./images/box.jpg')
    plt.show()

if __name__ == '__main__':
    df = pd.read_csv('./inputfile/lamost6w_new.csv')
    df_sc = screening(df)  # 筛选数据 (lamost数据应该在正常值范围内，不然因为数值差过大会导致绘制不出图像!)
    plt_box_iamge(df_sc)

常用方法

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(100)
data = np.random.normal(size=(1000,4),loc=0,scale=1)

ax = plt.subplot()
ax.boxplot(data)                                 # 绘图
ax.set_xlim([0,5])                               # 设置x轴值的范围  rotation=30
# ax.set_xticks()                                    # 自定义x轴的值
ax.set_xlabel("xlabel")                  # 设置x轴的标签
ax.set_xticklabels(['A','B','C','D'],  rotation=30,fontsize=10)   # 设置x轴坐标值的标签 旋转角度 字体大小
ax.set_title("xcy")                             # 设置图像标题
ax.legend(labels= ['A','B','C','D'],loc='best',)  # 增加图例
ax.text(x=0.2 , y=3.5 , s="test" ,fontsize=12)   # 增加注

plt.show()

总结 

来源：https://blog.csdn.net/XQC_KKK/article/details/123552522