网络编程
位置:首页>> 网络编程>> Python编程>> 用python的seaborn画数值箱型图

用python的seaborn画数值箱型图

作者:林老头ss  发布时间:2021-04-26 20:43:04 

标签:Python,seaborn

 一、概念介绍

箱型图(box-plot),又称为箱线图,盒型图,盒须图。在数据探索阶段或者描述性分析过程中,我们常常用于展示多类连续型数据的数值分布情况,便于类间对比和快速识别异常值。

在一幅箱型图中,一个连续数值序列构成一个盒子,如下所示。

用python的seaborn画数值箱型图

每一个盒子主要展示的是数据的上四分位数Q1(25%),中位数(50%),下四分位数Q3(75%)。划分异常值的界限我们称为上下极限,其离Q1,Q3分别是1.5IQR(IQR=Q3-Q1,称作四分位距)的距离,在上下极限之外的点,我们称为异常点。异常值在不同场景中受到不同的重视,如果是要研究目标群体的薪资水平,我们常常关注中位数和IQR,而不关注异常值。

二、数据展示

        借助爬虫技术,我们在某个时间的boss直聘首页随机获取了八个城市的三类检索词(数据分析师、数据挖掘工程师、算法工程师)的职位发布信息。一共得到的excel表如下所示。

用python的seaborn画数值箱型图

每一个表内的数据如下:

用python的seaborn画数值箱型图

(其中平均月薪的计算是简单地通过区间中位数*薪期/12得到,如8k-10k*16薪,则平均月薪为12000.

 三、数据导入

 只需要导入每一个表格中的 职位名称  和 平均月薪  列。

import pandas as pd
city8_fullname = ['北京','重庆','武汉','深圳','南京','广州','成都','上海']
job_type = ['数据分析师','数据挖掘工程师','算法工程师']
salary_dic = {}
for i in range(len(city8_fullname)):
   df = pd.DataFrame(pd.read_excel('./Boss直聘数据-八个城市/Boss直聘-'+city8_fullname[i]+'.xls'))
   salary_dic[city8_fullname[i]] = df[['职位名称','平均月薪']]
   salary_dic[city8_fullname[i]]['城市'] = pd.Series([city8_fullname[i]]*df.shape[0])
## 整合成画图需要的格式
salary = salary_dic[city8_fullname[0]]
for i in range(1,8):
   salary = pd.concat([salary,salary_dic[city8_fullname[i]]],ignore_index="true")

 得到的数据结构为:

用python的seaborn画数值箱型图

  四、画图

 这里,我们使用的是python语言,借助seaborn包完成。


import matplotlib.pyplot as plt
import seaborn as sns

# 中文与正负号显示设置
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# Draw
plt.figure(figsize=(14,8), dpi= 100)
sns.boxplot(x='城市', y='平均月薪', data=salary, hue='职位名称')
sns.stripplot(x='城市', y='平均月薪', data=salary, color='black', size=2, jitter=1)
for i in range(len(salary['城市'].unique())-1):
   plt.vlines(i+.5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)
plt.title('八大城市对口专业薪资分布', fontsize=20)
plt.legend(title='职位类型')
plt.xticks(fontsize=14)
plt.xlabel('城市',fontsize=16)
plt.ylabel('平均月薪',fontsize=16)
plt.yticks(fontsize=14)
plt.savefig(r'./绘图结果/薪资-薪资分布-箱线图.png')

sns.stripplot------用于画分布散点图(如果是大样本的话不适用,但有一种一半密度一半箱型的类别,可以避免散点覆盖的情况 )

plt.vlines-----画辅助线

hue-----可以理解为有多少组,在这里相当于出去城市外的第二个维度的分类。

结果图为:

用python的seaborn画数值箱型图

 上图中,我们是在箱型图的基础上加了散点的,目的在于了解各城市薪资的数值集中分布情况。

来源:https://blog.csdn.net/qq_45400322/article/details/122511125

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com