这篇文章主要介绍了Python箱型图绘制与特征值获取过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较

如何利用Python绘制箱型图

需要的import的包

import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties import numpy as np import pandas as pd

该函数是绘制多箱型图，且数据长度不一致的情况，input_dict = {filename1:[a1,a2,...,an],filename2:[b1,b2,...,bn]...} Y_label = 'Img_name'

def DrawMultBoxPic(input_dict,Y_label): dict_list_length = [] for item in input_dict: temp_length = len(input_dict[item]) dict_list_length.append(temp_length) # 获取最长列表长度 max_length = max(dict_list_length) # 每个列表在后面追加None for item in input_dict: diff_length = max_length - len(input_dict[item]) if diff_length > 0: for i in range(diff_length): input_dict[item].append(None) # else: # print('{}文件列表长度最长'.format(item)) # 绘制箱型图 zhfont = FontProperties(fname='C:/Windows/Fonts/simsun.ttc', size=16) data = pd.DataFrame.from_dict(input_dict) data.boxplot(widths=0.3,figsize=(30,15),fontsize=16) plt.xlabel(u'煤质文件名称', fontproperties=zhfont) plt.ylabel(Y_label, fontproperties=zhfont) plt.title(Y_label, fontproperties=zhfont) # plt.axis([0, 6, 0, 90]) plt.grid(axis='y', ls='--', lw=2, color='gray', alpha=0.4) plt.grid(axis='x', ls='--', lw=2, color='gray', alpha=0.4) imgname = 'E:\\' + Y_label + '.png' plt.savefig(imgname, bbox_inches = 'tight') # plt.show()

结果显示

如何获取箱型图特征

"""【函数说明】获取箱体图特征【输入】 input_list 输入数据列表【输出】 out_list：列表的特征[下限，Q1,Q2,Q3,上限] 和 Error_Point_num：异常值数量【版本】 V1.0.0【日期】 2019 10 16"""def BoxFeature(input_list): # 获取箱体图特征 percentile = np.percentile(input_list, (25, 50, 75), interpolation='linear') #以下为箱线图的五个特征值 Q1 = percentile[0]#上四分位数 Q2 = percentile[1] Q3 = percentile[2]#下四分位数 IQR = Q3 - Q1#四分位距 ulim = Q3 + 1.5*IQR#上限 非异常范围内的最大值 llim = Q1 - 1.5*IQR#下限 非异常范围内的最小值 # llim = 0 if llim < 0 else llim # out_list = [llim,Q1,Q2,Q3,ulim] # 统计异常点个数 # 正常数据列表 right_list = [] Error_Point_num = 0 value_total = 0 average_num = 0 for item in input_list: if item < llim or item > ulim: Error_Point_num += 1 else: right_list.append(item) value_total += item average_num += 1 average_value = value_total/average_num # 特征值保留一位小数 out_list = [average_value,min(right_list), Q1, Q2, Q3, max(right_list)] # print(out_list) out_list = Save1point(out_list) return out_list,Error_Point_num

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。