Python箱型图绘制与特征值获取过程解析

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

来源：https://www.cnblogs.com/wangxiaobei2019/p/11719453.html