前文回看：
【Python菜鸟进阶大神】Matplotlib数据可视化001：基础API汇总&散点图
【Python菜鸟进阶大神】Matplotlib数据可视化002：折线图
【Python菜鸟进阶大神】Matplotlib数据可视化003：条形图
【Python菜鸟进阶大神】Matplotlib数据可视化004：饼图
【Python菜鸟进阶大神】Matplotlib数据可视化005：直方图
箱线图又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。
箱线图API:
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：指定要绘制箱线图的数据；
notch：是否是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摆放，默认垂直摆放；
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：指定箱线图的位置，默认为[0,1,2…]；
widths：指定箱线图的宽度，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，默认用点来表示；
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的两条线，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；
# 引入模块
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
# 中文乱码和坐标轴负号的处理
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
# 加载数据
path="C:/Users/Administrator/Desktop/exercise_data/train.csv"
df=pd.read_csv(path)
df.head()
# 将缺失值删除
df.dropna(subset=["Age"],inplace=True)
# 画图
plt.boxplot(x=df.Age,
patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充
showmeans=True, # 以点的形式显示均值
boxprops = {'color':'black','facecolor':'blue'}, # 设置箱体属性，填充色和边框色
flierprops = {'marker':'o','markerfacecolor':'red','color':'black'}, # 设置异常值属性，点的形状、填充色和边框色
meanprops = {'marker':'*','markerfacecolor':'y','markersize':'12'}, # 设置均值点的属性，点的形状、填充色
medianprops = {'linestyle':'--','color':'orange'}) # 设置中位数线的属性，线的类型和颜色)
plt.xlabel("年龄",fontdict={'fontsize':12, 'color':'k'})
plt.title("泰坦尼克号乘客年龄箱线图",fontdict={'fontsize':'18', 'color':'k'})
箱线图四分位数：
将n个数从小到大排序，下四分位数是四分之一位置对应的数，一次类推：
下四分位：Q1=(n+1)/4
中分位：Q2=(n+1)/2
上四分位：Q3=3*(n+1)/4
四分位距：IQR=Q3-Q1
下界：Q1-1.5IQR
上界：Q3+1.5IQR
定义超出上界或者下界的数据解释离群值或者异常值。
将乘客年龄按照仓位划分
# 按舱级排序，为了后面正常显示分组盒形图的顺序
df.sort_values(by = 'Pclass', inplace=True)
# 通过for循环将不同仓位的年龄人群分别存储到列表Age变量中
Age = []
Levels = df.Pclass.unique()
for Pclass in Levels:
Age.append(df.loc[df.Pclass==Pclass,'Age'])
# 绘图
plt.boxplot(x=Age,
patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充
labels = ['一等舱','二等舱','三等舱'], # 添加具体的标签名称
showmeans=True, # 以点的形式显示均值
boxprops = {'color':'black','facecolor':'blue'}, # 设置箱体属性，填充色和边框色
flierprops = {'marker':'o','markerfacecolor':'red','color':'black'}, # 设置异常值属性，点的形状、填充色和边框色
meanprops = {'marker':'*','markerfacecolor':'y','markersize':'12'}, # 设置均值点的属性，点的形状、填充色
medianprops = {'linestyle':'--','color':'orange'}) # 设置中位数线的属性，线的类型和颜色)
plt.ylabel("年龄",fontdict={'fontsize':12, 'color':'k'})
plt.title("泰坦尼克号乘客年龄箱线图",fontdict={'fontsize':'18', 'color':'k'})
# 显示图形
plt.show()
由上图可知，舱位等级越高的乘客，他们的年龄越高，三种舱位的平均年龄为38、30和25，说明年龄越是偏大一点，他们的经济能力会越强一些，所买的舱位等级可能就会越高一些。同时，在二等舱和三等舱内，乘客的年龄上存在一些异常用户。
原文，在本人公众号，链接：
https://mp.weixin.qq.com/s/4A4drHs02UIMfc7Ft7LBtg
网友评论