1.箱线图介绍
第一步：计算上四分位数，中位数，下四分位数（计算公式略）。
第二步：计算上四分位数和下四分位数之间的差值，四分位数差。
第三步：绘制箱线图的上下范围，上限为上四分位数，下限为下四分位数。在箱子内部中位数的位置绘制横线。
第四步：大于上四分位数1.5倍四分位数差的值，或者小于下四分位数1.5倍四分位数差的值，划为异常值。
第五步：异常值之外，最靠近上边缘和下边缘的两个值处，画横线，作为箱线图的触须。
第六步：极端异常值，即超出四分位数差3倍距离的异常值，用实心点表示；较为温和的异常值，即处于1.5倍-3倍四分位数差之间的异常值，用空心点表示。
第七步：为箱线图添加名称，数轴等。
箱线图的优点
可以直观明了地识别数据批中的异常值；
通过箱线图可以判断数据批的偏态和尾重；
通过箱线图还可以直观的比较多批数据的形状（均值，分散情况）。
例：
2. 数据介绍
首先通过爬虫获取了武汉市从.11到.03的空气质量的部分数据，尝试用python中的Matplotlib来绘制箱线图，实现数据可视化。
3.开始画图
导入本次绘图所需要的库
import pandas as pd
import matplotlib.pyplot as plt
2.导入所有需要的数据
data = pd.read_csv("Wuhan Air Quality.csv")
下图是本文部分csv格式的数据：
3.在导入的数据中，分别把前四组数据（AQI, PM 2.5，PM10，So2）用箱线图表示
## AQI（图一）##
plt.subplot(1,4,1) #将四个箱线图画在一行中
Box1=data["AQI"] #提取文件中AQI的数据
plt.grid(linestyle="--", alpha=0.3) #绘制图像底部虚线. (linestyle=ls, markerfacecolor=mfc)
plt.boxplot(
Box1,
patch_artist=True,
showmeans=True, #显示均值点
whis=8,
widths=0.2, #箱体宽度
boxprops={'color': 'black', 'facecolor': '#FFDF00'}, #设置箱体属性
flierprops={'marker': 'o', 'mfc': 'red', 'color': 'black'}, #设置异常值属性
meanprops={'marker': '+', 'mfc': 'black'}, #设置均值点属性
medianprops={'ls': '--', 'color': 'orange'}, #设置中位数属性
whiskerprops={'ls': '--', 'mfc': 'red', 'color': 'black'}, #设置触须属性
)
plt.title('AQI') #子标题
plt.xticks([]). #关闭x轴坐标显示
## PM 2.5（图二）##
plt.subplot(1,4,2)
Box2=data["PM 2.5"]
plt.grid(linestyle="--", alpha=0.3)
plt.boxplot(
Box2,
patch_artist=True,
showmeans=True,
whis=8,
widths=0.2,
boxprops={'color': 'black', 'facecolor': '#2C4096'},
flierprops={'marker': 'o', 'mfc': 'red', 'color': 'black'},
meanprops={'marker': '+', 'mfc': 'black'},
medianprops={'ls': '--', 'color': 'orange'},
whiskerprops={'ls': '--', 'mfc': 'red', 'color': 'black'}
)
plt.title('MP 2.5')
plt.xticks([])
## PM 10（图三）##
plt.subplot(1,4,3)
Box3=data["PM 10"]
plt.grid(linestyle="--", alpha=0.3)
plt.boxplot(Box3,
patch_artist=True,
showmeans=True,
whis=8,
widths=0.2,
boxprops={'color': 'black', 'facecolor': '#019000'},
flierprops={'marker': 'o', 'mfc': 'red', 'color': 'black'},
meanprops={'marker': '+', 'mfc': 'black'},
medianprops={'ls': '--', 'color': 'orange'},
whiskerprops={'ls': '--', 'mfc': 'red', 'color': 'black'}
)
plt.title('PM 10')
plt.xticks([])
## So2（图四）##
plt.subplot(1,4,4)
Box4=data["So2"]
plt.grid(linestyle="--", alpha=0.3)
plt.boxplot( Box4,
patch_artist=True,
showmeans=True,
whis=8,
widths=0.2,
boxprops={'color': 'black', 'facecolor': '#D22C2C'},
flierprops={'marker': 'o', 'mfc': 'red', 'color': 'black'},
meanprops={'marker': '+', 'mfc': 'black'},
medianprops={'ls': '--', 'color': 'orange'},
whiskerprops={'ls': '--', 'mfc': 'red', 'color': 'black'}
)
plt.title('So2')
plt.xticks([])
plt.suptitle('Box Plot') #总标题
plt.show()
4.运行结果
标签：线图,plt,Python,Matplotlib,color,mfc,black,四分,位数
来源： /werthnmkg/article/details/105912185
