极客笔记box plot matplotlib
在数据可视化领域，box plot 是一种常用的图表类型，能够展示数据的分布、中位数、四分位数等统计信息。在本文中，我们将详细介绍如何使用 Matplotlib 库来绘制 box plot，并且演示不同场景下的使用方法。
创建简单的 box plot
首先，让我们创建一个简单的 box plot，展示一组数据的分布情况。
import matplotlib.pyplot as plt
import numpy as np
data = np.random.normal(0, 1, 100)
plt.boxplot(data)
plt.show()
Output:
在上面的示例代码中，我们生成了一个服从标准正态分布的随机数据，并使用 plt.boxplot() 函数绘制了对应的 box plot。
添加标签和标题
有时候，我们需要为 box plot 添加一些标签和标题，以便更好地说明数据的含义。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
plt.boxplot([data1, data2], labels=['Group 1', 'Group 2'])
plt.title('Comparison of Two Groups')
plt.xlabel('Groups')
plt.ylabel('Values')
plt.show()
Output:
在上面的示例中，我们创建了两组随机数据，并为它们添加了标签、标题以及坐标轴的标签。
更改箱线图的样式
在 Matplotlib 中，我们可以通过设置不同的参数来修改 box plot 的样式，比如箱体颜色、线条颜色、离群值的显示等。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
plt.boxplot([data1, data2], patch_artist=True, boxprops=dict(facecolor='skyblue'))
plt.show()
Output:
在这个示例中，我们为 box plot 的箱体填充了天蓝色，并且禁用了离群值的显示。
水平排列的箱线图
除了默认的垂直箱线图，Matplotlib 还支持绘制水平排列的箱线图，适用于更加紧凑的布局。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
plt.boxplot([data1, data2], vert=False)
plt.show()
Output:
通过设置 vert=False 参数，我们可以将箱线图排列在水平方向上。
多组箱线图的比较
有时候，我们需要同时比较多组数据的分布情况，这时可以使用 Matplotlib 来绘制多组箱线图的比较。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
data3 = np.random.normal(-1, 1, 100)
plt.boxplot([data1, data2, data3], labels=['Group 1', 'Group 2', 'Group 3'])
plt.show()
Output:
在这个示例中，我们创建了三组随机数据，并使用箱线图将它们进行比较。
自定义箱线图的显示方式
Matplotlib 提供了丰富的参数，可以让我们自定义箱线图的显示方式，比如调整箱体的宽度、显示中位线、更改离群值的样式等。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
plt.boxplot([data1, data2], widths=0.5, medianprops=dict(color='red'), flierprops=dict(marker='o', markerfacecolor='green', markersize=10))
plt.show()
Output:
在这个示例中，我们设置了箱体的宽度为 0.5，将中位线的颜色设为红色，离群值的样式为绿色的实心圆点。
分组箱线图
除了比较不同组数据的分布，有时候我们还需要在箱线图中展示分组内部的数据分布情况，这时可以使用分组箱线图。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(0, 1, 100)
data3 = np.random.normal(1, 1.5, 100)
data4 = np.random.normal(1, 1.5, 100)
plt.boxplot([data1, data2, data3, data4], positions=[1, 2, 4, 5])
plt.show()
Output:
通过设置 positions 参数，我们可以指定每组数据箱线图的位置，进而展示分组内部的数据分布情况。
嵌套箱线图
在一些特定场景下，我们需要在箱线图中展示更加复杂的数据结构，比如嵌套箱线图，Matplotlib 也能够很好地支持这样的需求。
import matplotlib.pyplot as plt
import numpy as np
data = [np.random.normal(0, 1, 100), np.random.normal(1, 1.5, 100), np.random.normal(-1, 0.5, 100)]
plt.boxplot(data, notch=True, patch_artist=True, positions=[1, 2, 3], labels=['Group 1', 'Group 2', 'Group 3'])
plt.show()
Output:
在这个示例中，我们创建了一个嵌套箱线图，展示了三组数据的分布情况，并为其增加了标签和区分度。
多面板箱线图
最后，有时候我们需要在一张图中展示多个子图，可以使用 Matplotlib 的多面板箱线图功能来实现这个需求。
import matplotlib.pyplot as plt
import numpy as np
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 1.5, 100)
data3 = np.random.normal(-1, 0.5, 100)
fig, axs = plt.subplots(2, 2)
axs[0, 0].boxplot(data1)
axs[0, 1].boxplot(data2)
axs[1, 0].boxplot(data3)
plt.show()
Output:
通过创建多个子图，并在不同的子图中绘制不同的箱线图，可以在一张图中展示多组数据的分布情况。
通过本文的介绍，我们了解了如何使用 Matplotlib 来绘制各种类型的箱线图，包括简单的箱线图、自定义样式的箱线图、水平排列的箱线图、多组数据的比较、分组箱线图、嵌套箱线图以及多面板箱线图。