赞
踩
| 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。默认是不显示的。 |
| showbox | 是否显示箱体,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。patch_artist为True时填充箱体颜色(facecolor键)才有效。 |
| 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 | 设置箱型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。 |
====================================================================================
使用随机数种子随机生成三组随机但固定的数据。以用来绘制三个箱线个体(一张图)。
全局字体使用楷体。
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))
plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]
plt.rcParams[‘axes.unicode_minus’] = False
plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’
np.random.seed(30)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
plt.boxplot([data1, data2, data3])
plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)
plt.yticks(fontsize=20)
plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)
plt.show()
图像效果如下:
====================================================================================
下边的数据中,修改了一下数据。上边随机产生的数据因为较为均匀,所以很难产生异常值,达不到箱线图的预期展示效果。
使用 * 符号来标记异常值。并使用线来标出每组数据的均值。
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))
plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]
plt.rcParams[‘axes.unicode_minus’] = False
plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’
np.random.seed(110)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
data1[100:102] = [142, 150]
data3[100:103] = [1, 5, 154]
plt.boxplot([data1, data2, data3],
notch=True,
sym=‘*’,
patch_artist=True,
boxprops={‘color’: ‘#ffff00’, ‘facecolor’: ‘#0066ff’},
capprops={‘color’: ‘#ff3333’, ‘linewidth’: 2},
showmeans=True,
meanline=True
)
plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)
plt.yticks(fontsize=20)
plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)
plt.show()
代码执行效果如下:
================================================================================
通过whis参数可以修改判断异常值的标准。默认将不在【均值±1.5倍四分位差】范围内的判断为异常值。
在上述代码的基础上稍作修改:
设置whis=2
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1, facecolor=‘#33ff99’, figsize=(10, 6))
plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]
plt.rcParams[‘axes.unicode_minus’] = False
plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’
np.random.seed(110)
data1 = np.random.randint(20, 100, 200)
data2 = np.random.randint(30, 120, 200)
data3 = np.random.randint(40, 110, 200)
data1[100:102] = [142, 150]
data3[100:103] = [1, 5, 154]
plt.boxplot([data1, data2, data3],
whis=2,
notch=True,
sym=‘*’,
patch_artist=True,
boxprops={‘color’: ‘#ffff00’, ‘facecolor’: ‘#0066ff’},
capprops={‘color’: ‘#ff3333’, ‘linewidth’: 2},
showmeans=True,
meanline=True
)
plt.xticks(range(1, 4), [‘A型’, ‘B型’, ‘C型’], fontsize=20)
plt.yticks(fontsize=20)
plt.title(‘箱线图’, fontsize=25, color=‘#0033cc’)
plt.show()
则结果中已经不再有异常值:
================================================================================
上文只是将异常值以可视化的方式呈现在了读者眼前。当然,做数据分析时仅仅这样是不够的,通常还需要对数据进行处理,如去除。
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
62fe4e9.png)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。