異常值分析之箱型圖分析

數據詳見：catering_sale.xls

在Python的Pandas庫中，只需要讀入數據，然後使用describe()函數就可以查看數據的基本情況

import pandas as pd

catering_sale = 'catering_sale.xls' #餐飲數據
data = pd.read_excel(catering_sale, index_col = '日期') #讀取數據，指定“日期”列爲索引列
data.describe()

更直觀地展示這些數據，並且可以檢測異常值的方法是使用箱型圖

import pandas as pd

catering_sale = 'catering_sale.xls' #餐飲數據
data = pd.read_excel(catering_sale, index_col = '日期') #讀取數據，指定“日期”列爲索引列
data.describe()

import matplotlib.pyplot as plt #導入圖像庫

plt.figure() #建立圖像
p = data.boxplot(return_type='dict') #畫箱線圖，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'fliers'即爲異常值的標籤
y = p['fliers'][0].get_ydata()
y.sort() #從小到大排序，該方法直接改變原對象

#用annotate添加註釋
#其中有些相近的點，註解會出現重疊，難以看清，需要一些技巧來控制
#以下參數都是經過調試的，需要具體問題具體調試
for i in range(len(x)):
  if i>0:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  else:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱線圖