第五章. 可視化數據分析圖

5.3 常用圖表的繪制4—箱形圖，3D圖表

本節主要介紹常用圖表的繪制，主要包括箱形圖，3D柱形圖，3D曲面圖。

1.箱形圖（matplotlib.pyplot.boxplot）

·箱形圖又稱箱線圖、盒須圖或盒式圖
·用于顯示一組數據分散情況的統計圖
·優點：不受異常值的影響，可以以一種相對穩定的方式描述數據的離散分布情況，也常用于異常值的識別

1).語法：

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=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, manage_ticks=True, autorange=False, zorder=None, *, data=None

參數說明:
x：指定要繪制箱形圖的數據
notch：是否以凹口的形式展現箱形圖，默認False
sym：指定異常點的形狀，默認‘+’
vert：是否需要將箱形圖垂直擺放，默認True
whis：指定上下限與上下四分位的距離，默認1.5倍的四分位差
positions ：指定箱形圖的位置，默認位[0,1,2…]
widths：指定箱形圖的寬度，默認為0.5
patch_artist：是否填充箱體的顏色
meanline：是否用線的形式表示均值，默認用點
showmeans： 是否顯示均值，默認False
showcaps：是否顯示箱形圖頂端和末端的兩條線，默認True
showbox：是否顯示箱形圖的箱體，默認True
showfliers：是否顯示異常值，默認True
boxprops：設置箱子的屬性，如邊框色，填充色
labels：為箱體填充標簽，類似于圖例
flierprops： 設置異常值的屬性，如異常點的形狀，顏色，填充色
medianprops：設置中位數的屬性，如線的類型，顏色
meanprops： 設置均值的屬性，如點的大小，顏色
capprops：設置箱形圖頂端和末端線條的屬性，如顏色，粗線
whiskerprops：設置必須的屬性，如顏色，粗細，線的類型等

2).示例：

清單.xlsx表格中的數據

import pandas as pd import matplotlib.pyplot as pltpd.set_option('display.unicode.east_asian_width', True) df = pd.read_excel('F:\\Note\\清單.xlsx', sheet_name='Sheet6')plt.boxplot(x=df['value'], whis=1.5, widths=0.5, patch_artist=True, showmeans=True, boxprops={'facecolor': 'c'},flierprops={'markerfacecolor': 'red', 'markersize': 4},meanprops={'marker': '*', 'markerfacecolor': 'skyblue'}, medianprops={'linestyle': '--', 'color': 'orange'},capprops={'color': 'r'})Q1 = df['value'].quantile(q=0.25) Q2 = df['value'].quantile(q=0.5) Q3 = df['value'].quantile(q=0.75)low_limit = Q1 - 1.5 * (Q3 - Q1) upper_limit = Q3 + 1.5 * (Q3 - Q1)print('下四分位數:', Q1) print('中位數:', Q2) print('上四分位數:', Q3) print('下限:', low_limit) print('上限:', upper_limit)# 查找異常值 val = df['value'][(df['value'] > upper_limit) | (df['value'] < low_limit)] print('數據中的異常值：', val)#顯示圖像 plt.show()

結果展示:

3).數學層面理解箱形圖每個部分的含義(下四分位線，中位數，上四分位數，上限，下限，異常值，極端異常值)

• 名詞說明：
  ·下四分位數：指數據的25%分位點所對應的值（Q1）
  ·中位數：指數據的50%分位點所對應的值（Q2）
  ·上四分位數：指數據的75%分位點所對應的值（Q3）
  ·上限：上限=Q3+1.5*(Q3-Q1)
  ·下限：下限=Q1-1.5*(Q3-Q1)
  ·異常值的判定標準：當變量的數據值大于上限或小于下限時，判定為異常值

• 計算方法：
  1).數據集：7，36，15，39，41，40
  2).按從小到大的順序對數據集進行排列：7，15，36，39，40，41
  3)確定四分位數索引位置的根據公式：1+(n-1)*數據的百分比分位點，在根據索引位置確定索引所對應的數據值(n是數據集的數量 n=6)
  ·Q1_position=1+(6-1)*0.25=2.25 (Q1在第二個數和第三個數之間)
  ·Q1_value=15+(36-15)*(2.25-2)=20.25
  ·Q2_position=1+(6-1)*0.5=3.5 (Q2在第三個數和第四個數之間)
  ·Q2_value=36+(39-36)*(3.5-3)=37.5
  ·Q3_position=1+(6-1)*0.75=4.75 (Q3在第四個數和第五個數之間)
  ·Q3_value=39+(40-39)*(4.75-4)=39.75
  ·上限=39.75+(39.75-20.25)*1.5=69
  ·下限=20.25-(39.75-20.25)*1.5=-9

• 極端異常值：
  ·極端上限：上限=Q3+3*(Q3-Q1)
  ·極端下限：下限=Q1-3*(Q3-Q1)
  ·極端異常值的判定標準：當變量的數據值大于極端上限或小于極端下限時，判定為極端異常值

2.3D圖表—三維柱形圖

1).語法：

mpl_toolkits.mplot3d.axes3d.bar(left, height, zs=0, zdir=‘z’, *args, **kwargs)

參數說明:
left：x軸數據集
height：柱子的高度
zs：z軸的數據集
zdir：可選參數{‘x’, ‘y’, ‘z’}, 默認: ‘z’

2).示例：

import matplotlib.pyplot as plt from mpl_toolkits.mplot3d.axes3d import Axes3D import numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 解決中文亂碼 plt.rcParams['axes.unicode_minus'] = False # 解決負號不顯示的問題#創建畫布 fig = plt.figure()# 創建3D坐標系 axes3d = Axes3D(fig) x = np.arange(0, 5) zs = np.arange(1,15,5) for z in zs:y = np.random.randint(0, 100, size=5)axes3d.bar(x, y, zs=z, zdir='x', color=['r', 'g', 'y', 'c'])plt.xticks(zs, ['小明', '小美', '小強']) plt.yticks(x, ['語文', '數學', '英語', '物理', '生物']) plt.xlabel('姓名') plt.ylabel('學科')# 設置標題和圖例 plt.title('學生成績統計')# 調整圖表與畫布邊緣間距 plt.subplots_adjust(left=0.15, bottom=0.15, right=0.9, top=0.9)# 坐標軸的刻度線向內顯示還是向外顯示 plt.tick_params(left=True, bottom=True, right=False, top=False)plt.show()

結果展示:

2.3D圖表—三維曲面圖

1).語法：

mpl_toolkits.mplot3d.axes3d.plot_surface( X, Y, Z, *, norm=None, vmin=None,vmax=None, lightsource=None, **kwargs)

參數說明:
X, Y, Z,：2D數組形式的數據值
rstride：數組行距（步長大小）
cstride：數組列距（步長大小）
color：曲面塊顏色
cmap：顏色塊顏色映射
facecolors：單獨曲面塊表面顏色
norm：將值映射為顏色的 Nonnalize實例
vmin：映射的最小值
vmax：映射的最大值

2).示例：

import matplotlib.pyplot as plt from mpl_toolkits.mplot3d.axes3d import Axes3D import numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 解決中文亂碼 plt.rcParams['axes.unicode_minus'] = False # 解決負號不顯示的問題#創建畫布 fig = plt.figure()# 創建3D坐標系 axes3d = Axes3D(fig) x = np.arange(-5.0, 5.0,0.5) y = np.arange(-3.0,3,0.5)#返回list,對x,y數據進行網格化 X,Y=np.meshgrid(x,y)Z1=np.sin(X) Z2=np.sin(Y) Z=(Z1-Z2)*2surf=axes3d.plot_surface(X, Y, Z, cmap=plt.get_cmap('rainbow'))# 設置標題 plt.title("3D曲面圖") fig.colorbar(surf, shrink=0.5, aspect=5)plt.show()

結果展示:

注意:代碼中所涉及到的函數和參數,在圖表的常用設置1 和 圖表的常用設置2 有所介紹

總結

以上是生活随笔為你收集整理的第五章. 可视化数据分析图表—常用图表的绘制4—箱形图，3D图表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。