深入學習matplotlib箱線圖

一、matplotlib箱線圖代碼

箱線圖是一種用於顯示一組數據分布情況和異常值的圖表，由數值範圍、四分位數和中位數組成，便於人們觀察和比較數據組之間的差異。在matplotlib中，可以使用boxplot()函數來繪製箱線圖。

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.randn(100, 5)

# 繪製箱線圖
plt.boxplot(data)

# 顯示圖像
plt.show()

該段代碼使用numpy生成100行5列的隨機數據，然後使用boxplot()函數繪製箱線圖並顯示出來。可以看到，隨機數據的分布情況一目了然，且函數的調用非常簡單。

二、matplotlib線型有哪些

在繪製箱線圖時，matplotlib提供了多種線型供選擇，可以通過linestyle參數來設置線型。下面列舉了matplotlib常用的線型：

‘-‘ : 實線
‘–‘ : 虛線
‘-.’ : 點劃線
‘:’ : 點線

以下代碼演示了如何使用不同的線型繪製箱線圖：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.rand(100, 5)

# 繪製箱線圖
plt.boxplot(data, linestyle='-', linewidth=1.5, color='blue')

# 顯示圖像
plt.show()

該段代碼使用’-‘線型來繪製箱線圖，將其顏色設置為藍色。可以根據需要設置線型和顏色。

三、matplotlib箱線圖製作

生成箱線圖的前提是要有數據，下面是一些生成箱線圖的常用方法：

使用numpy等庫生成隨機數據
讀取外部文件的數據
使用pandas等數據分析庫讀取和處理數據

下面是一個從文件中讀取數據並生成箱線圖的示例：

import matplotlib.pyplot as plt
import pandas as pd

# 讀取csv文件並取出需要繪圖的數據
file_name = 'data.csv'
df = pd.read_csv(file_name)
data_list = [df.loc[df['group'] == group]['value'] for group in df['group'].unique()]

# 繪製箱線圖
plt.boxplot(data_list, labels=df['group'].unique())

# 顯示圖像
plt.show()

該段代碼從csv文件中讀取了數據，取出了需要繪製的數據，並且使用labels參數設置了箱線圖的標籤。

四、matplotlib箱線圖調整寬度

在matplotlib繪製箱線圖時，可以使用width參數來調整箱線圖的寬度，默認值為0.5。下面是一個例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.rand(100, 5)

# 繪製寬度為0.2的箱線圖
plt.boxplot(data, widths=0.2)

# 顯示圖像
plt.show()

該段代碼生成了寬度為0.2的箱線圖。可以根據需要進行調整。

五、matplotlib箱線圖均值點

在箱線圖中，除了箱體、上下四分位數、最大最小值之外，還有一些獨立的點，這些點表示離群值或異常值，通常需要特別注意。除此之外，在箱線圖上還可以添加均值點，可以通過meanline參數來控制是否顯示均值線和均值點。下面是一個例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.rand(100, 5)

# 繪製箱線圖並添加均值點
plt.boxplot(data, showmeans=True, meanline=True)

# 顯示圖像
plt.show()

該段代碼演示了如何繪製帶均值點的箱線圖。可以發現，均值點在圖中以特殊的形狀突出顯示，方便觀察。

六、matplotlib箱線圖可以提供哪些信息

matplotlib的箱線圖不僅提供了數據分布情況和異常值，還可以提供四分位數、最大值、最小值等多個重要指標，從而全面地描述了數據集的特徵，並非常便於數據分析和比對。

下面是一張示例圖，其中標註了matplotlib箱線圖可以提供的指標：

七、matplotlib箱線圖參數設定

matplotlib的箱線圖除了線型、線寬、顏色等基本參數外，還有一些其他可供設定的參數：（部分代碼如下）

plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, medianprops=None, **kwargs)

notch: 是否繪製缺口，默認Fasle
sym：指定異常點的形狀，默認為+號
vert: 是否將箱型圖垂直擺放，默認為True
whis: 箱體與觸鬚的長度，默認為1.5倍的四分位差
positions: 指定箱線圖的位置，默認為[1,2,3,4,5…]
widths: 指定箱線圖的寬度，默認為0.5
patch_artist: 是否為盒圖添加顏色填充，默認為False
medianprops: 用於設置中位數的顯示方式

通過設置這些參數，可以非常靈活地控制箱線圖的各個細節部分。以下是一個具體的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.randn(100, 5)

# 設定箱體、觸鬚、異常點的形狀、顏色和粗細
boxprops = dict(linestyle='-', linewidth=1.5, color='blue')
whiskerprops = dict(linestyle='-', linewidth=1.5, color='black')
flierprops = dict(marker='o', markersize=5, markerfacecolor='red', markeredgecolor='red')

# 設定中位數的顏色
medianprops = dict(linestyle='--', linewidth=1.5, color='green')

# 繪製箱線圖並添加各種參數設置
plt.boxplot(data, boxprops=boxprops, whiskerprops=whiskerprops, flierprops=flierprops, medianprops=medianprops, showmeans=True, meanline=True)

# 顯示圖像
plt.show()

該段代碼演示了如何通過參數設置來設定箱線圖的各種細節。可以自由地修改顏色、線型、線寬和形狀等等，來滿足各種需求。

八、matplotlib數據可視化

matplotlib是一個Python的數據可視化工具包，支持多種圖表類型，包括線型圖、柱狀圖、餅圖、散點圖等等。在數據分析和機器學習領域，數據可視化具備重要的分析和解決問題的能力。

以下是一個通過matplotlib繪製柱狀圖的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
data = np.random.rand(10)

# 繪製柱狀圖
plt.bar(range(len(data)), data)

# 顯示圖像
plt.show()

該段代碼使用numpy生成了一組隨機數據，並使用bar()函數繪製了柱狀圖。在matplotlib中，通過修改函數的參數或使用不同的函數，可以創建多種多樣的圖表，達到生動、簡潔、直觀地展示數據的目的。

九、python matplotlib 餅圖

餅圖是一種常見的數據可視化方式，用於表示數據佔比或分布情況，非常適合於少量的分類數據呈現。在matplotlib中，可以使用pie()函數來繪製餅圖。

以下是一個簡單的餅圖示例：

import matplotlib.pyplot as plt

# 設置數據
labels = ['A', 'B', 'C', 'D', 'E', 'F']
sizes = [15, 20, 30, 25, 5, 5]

# 繪製餅圖
plt.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)

# 顯示圖像
plt.show()

該段代碼使用了Python列表定義數據，可以看到函數的調用非常簡便。通過調整參數，可以實現自定義標籤、餅圖半徑、字體大小、起始角度、陰影效果、佔比數值等等。

原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/204662.html