Python數據可視化:箱線圖多種庫畫法

概念

箱線圖通過數據的四分位數來展示數據的分佈情況。例如:數據的中心位置,數據間的離散程度,是否有異常值等。

把數據從小到大進行排列並等分成四份,第一分位數(Q1),第二分位數(Q2)和第三分位數(Q3)分別爲數據的第25%,50%和75%的數字。

I-------------IoI-------------IoI-------------IoI-------------I
               Q1              Q2              Q3
      (lower quartile)      (median)     (upper quartile)

四分位間距(Interquartile range(IQR))=上分位數(upper quartile) - 下分位數(lower quartile)

箱線圖分爲兩部分,分別是箱(box)和須(whisker)。箱(box)用來表示從第一分位到第三分位的數據,須(whisker)用來表示數據的範圍。

箱線圖從上到下各橫線分別表示:數據上限(通常是Q3+1.5IQR),第三分位數(Q3),第二分位數(中位數),第一分位數(Q1),數據下限(通常是Q1-1.5IQR)。有時還有一些圓點,位於數據上下限之外,表示異常值(outliers)。
(注:如果數據上下限特別大,那麼whisker將顯示數據的最大值和最小值。)

在這裏插入圖片描述

案例

1. 使用pandas自帶的函數

使用pandas裏的dataframe數據結構存放待顯示的數據。如果希望顯示的各個數據列表中,數據長度不一致,可以先用Series函數轉換爲Series數據,再存儲到dataframe中,對應index的value值若不存在則爲NaN。
下面我們隨機生成4組數據,看看他們的箱線圖。
【代碼】

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt


def list_generator(mean, dis, number):  # 封裝一下這個函數,用來後面生成數據
    return np.random.normal(mean, dis * dis, number)  # normal分佈,輸入的參數是均值、標準差以及生成的數量


# 我們生成四組數據用來做實驗,數據量分別爲70-100
y1 = list_generator(0.8531, 0.0956, 70)
y2 = list_generator(0.8631, 0.0656, 80)
y3 = list_generator(0.8731, 0.1056, 90)
y4 = list_generator(0.8831, 0.0756, 100)

# 如果數據大小不一,記得需要下面語句,把數組變爲series
y1 = pd.Series(np.array(y1))
y2 = pd.Series(np.array(y2))
y3 = pd.Series(np.array(y3))
y4 = pd.Series(np.array(y4))

data = pd.DataFrame({"1": y1, "2": y2, "3": y3, "4": y4, })

data.boxplot()  # 這裏,pandas自己有處理的過程,很方便哦。
plt.ylabel("ylabel")
plt.xlabel("xlabel")  # 我們設置橫縱座標的標題。
plt.show()

【效果】
在這裏插入圖片描述

上面的箱線圖很簡單,給出數據後,幾行代碼就能生成,不過這是簡單的箱線圖。下面再看看稍微複雜點的。

2. 使用matplotlib庫畫箱線圖

我們上面介紹了使用pandas畫箱線圖,幾句命令就可以了。但是稍微複雜點的可以使用matplotlib庫。matplotlib代碼稍微複雜點,但是很靈活。細心點同學會發現pandas裏面的畫圖也是基於此庫的,下面給你看看pandas裏面的源碼:
在這裏插入圖片描述
通過源碼可以看到pandas內部也是通過調用matplotlib來畫圖的。那下面我們自己實現用matplotlib畫箱線圖。
我們簡單模擬一下,男女生從20歲,30歲的花費對比圖,使用箱線圖來可視化一下。
【代碼】

import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots() # 子圖
def list_generator(mean, dis, number):  # 封裝一下這個函數,用來後面生成數據
    return np.random.normal(mean, dis * dis, number)  # normal分佈,輸入的參數是均值、標準差以及生成的數量

# 我們生成四組數據用來做實驗,數據量分別爲70-100
# 分別代表男生、女生在20歲和30歲的花費分佈
girl20 = list_generator(1000, 29.2, 70)
boy20 = list_generator(800, 11.5, 80)
girl30 = list_generator(3000, 25.1056, 90)
boy30 = list_generator(1000, 19.0756, 100)

data=[girl20,boy20,girl30,boy30,]
ax.boxplot(data)
ax.set_xticklabels(["girl20", "boy20", "girl30", "boy30",])  # 設置x軸刻度標籤
plt.show()

【效果】
在這裏插入圖片描述
從上面隨機模擬,看出來男生花費趕不上女生吧,尤其是30歲以後,女生摔男生一大截啊。(模擬數據,請勿當真)
仔細看上面的圖,感覺還是不太好,既然男女生對比,那是不是要分組,男女生放一塊,然後再根據年齡段比較,這樣比較才直觀。

那我們就稍微改動上面一點點代碼,實現男女生箱線圖捱得近一點。
【代碼】

import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots() # 子圖
def list_generator(mean, dis, number):  # 封裝一下這個函數,用來後面生成數據
    return np.random.normal(mean, dis * dis, number)  # normal分佈,輸入的參數是均值、標準差以及生成的數量

# 我們生成四組數據用來做實驗,數據量分別爲70-100
# 分別代表男生、女生在20歲和30歲的花費分佈
girl20 = list_generator(1000, 29.2, 70)
boy20 = list_generator(800, 11.5, 80)
girl30 = list_generator(3000, 25.1056, 90)
boy30 = list_generator(1000, 19.0756, 100)

data=[girl20,boy20,girl30,boy30,]
# 用positions參數設置各箱線圖的位置
ax.boxplot(data,positions=[0, 0.6, 3, 3.7,])# 就是後面加了位置
ax.set_xticklabels(["girl20", "boy20", "girl30", "boy30",])  # 設置x軸刻度標籤
plt.show()

【效果】
在這裏插入圖片描述
這樣看一下,是不是男女生根據年齡段分組了呢,稍微比上面好看些,也直觀一些。這樣既能看出年齡段的對比,又能看出男女生的對比。
同樣,如果想要箱線圖旋轉90°,那麼也是在在boxplot命令里加上參數vert=False即可。如果想要更多設置,可以基於boxplot函數參數進行修改,其函數定義如下:

boxplot(self, 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_xticks=True, autorange=False, zorder=None)

3. 使用seaborn庫和matplotlib來畫箱線圖

Seaborn是基於matplotlib的Python可視化庫。 它提供了一個高級界面來繪製有吸引力的統計圖形。Seaborn其實是在matplotlib的基礎上進行了更高級的API封裝,從而使得作圖更加容易,不需要經過大量的調整就能使你的圖變得精緻。但應強調的是,應該把Seaborn視爲matplotlib的補充,而不是替代物。
函數定義:

boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
            orient=None, color=None, palette=None, saturation=.75,
            width=.8, dodge=True, fliersize=5, linewidth=None,
            whis=1.5, notch=False, ax=None, **kwargs)

【參數講解】

  • x,y:dataframe中的列名(str)或者矢量數據
  • data:dataframe或者數組
  • palette:調色板,控制圖像的色調
  • hue(str):dataframe的列名,按照列名中的值分類形成分類的條形圖
  • order, hue_order (lists of strings):用於控制條形圖的順序
  • orient:“v”|“h” 用於控制圖像使水平還是豎直顯示(這通常是從輸入變量的dtype推斷出來的,此參數一般當不傳入x、y,只傳入data的時候使用)
  • fliersize:float,用於指示離羣值觀察的標記大小
  • whis:確定離羣值的上下界(IQR超過低和高四分位數的比例),此範圍之外的點將被識別爲異常值。IQR指的是上下四分位的差值。
  • width:float,控制箱型圖的寬度

我們還是基於上面男女花費案例來說,不過這裏我們把數據進行了整理,做成了數據框dataframe。
【包含的庫】

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# plt.rc("font", family="SimHei", size="15") 避免中文亂碼,可不用

【代碼第一部分】數據生成

def list_generator(mean, dis, number):  # 封裝一下這個函數,用來後面生成數據
    return np.random.normal(mean, dis * dis, number)  # normal分佈,輸入的參數是均值、標準差以及生成的數量

# 我們生成四組數據用來做實驗,數據量分別爲70-100
# 分別代表男生、女生在20歲和30歲的花費分佈
# 構造數據庫DataFrame
num = 100  # 每組100個樣本
girl20 = list_generator(1000, 29.2, num)
boy20 = list_generator(800, 11.5, num)
girl30 = list_generator(3000, 25.1056, num)
boy30 = list_generator(1000, 19.0756, num)
girl_sex = ['female' for _ in range(num)]
boy_sex = ['male' for _ in range(num)]
age20 = [20 for _ in range(num)]
age30 = [30 for _ in range(num)]

girl_d1 = pd.DataFrame({'cost': girl20, 'sex': girl_sex, 'age': age20})
boy_d1 = pd.DataFrame({'cost': boy20, 'sex': boy_sex, 'age': age20})
girl_d2 = pd.DataFrame({'cost': girl30, 'sex': girl_sex, 'age': age30})
boy_d2 = pd.DataFrame({'cost': boy30, 'sex': boy_sex, 'age': age30})
data = pd.concat([girl_d1, boy_d1, girl_d2, boy_d2])

print(data.head())

數據長啥樣?下面是給出的數據框前面的部分,一共400個樣本,分性別和年齡。
在這裏插入圖片描述
【代碼第二部分】使用seaborn庫畫圖
簡單看看所有數據的分佈情況:

sns.boxplot(x=data["cost"],data=data)

在這裏插入圖片描述

根據性別分組:

sns.boxplot(x="age", y="cost", data=data, hue="sex", width=0.5, linewidth=1.0, palette="Set3")

在這裏插入圖片描述
根據年齡分組:

sns.boxplot(x="sex", y="cost", data=data, hue="age", width=0.5, linewidth=1.0, palette="Set3")

在這裏插入圖片描述
上面這些是seaborn庫的簡單使用,可以通過年齡看男女花費比較,也可以根據性別看不同年齡段的花費比較,還是比較直觀的。當然除此之外還有很多其他的炫技,大家可以自己嘗試。

總結

從上面來看,雖然我們是採用不同方法來畫箱線圖,但是最基本的都是調用matplotlib庫,這裏面pandas是最簡單的箱線圖可視化,但是不靈活。而matplotlib雖然靈活,但是需要慢慢調,而且複雜。相比之下seaborn更加酷炫,而且圖還更好看。上面例子都是本人親測,一個個對比,原創文章,大家如果有其他問題可以留言討論。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章