Python——箱型图

### 使用 Matplotlib 和 Seaborn 绘制箱型图 #### 导入必要的库 为了使用 `matplotlib` 和 `seaborn` 进行绘图，首先需要导入这些库。如果尚未安装这两个库，则可以通过命令 `pip install matplotlib seaborn` 安装[^1]。 ```python import matplotlib.pyplot as plt import seaborn as sns import pandas as pd ``` #### 创建样本数据集 创建一个简单的 Pandas DataFrame 来模拟实际应用中的情况。这里构建了一组不同类别的数值数据以便于展示箱型图的功能。 ```python data = { 'Category': ['A', 'B', 'C'] * 30, 'Values': (list(range(30)) + list(range(28, -2, -2)) + [7]*30) } df = pd.DataFrame(data) print(df.head()) ``` #### 使用 Matplotlib 绘制箱型图 可以直接调用 `plt.boxplot()` 方法并传入相应的参数来绘制基本的箱型图。对于分类变量的情况，可以先按类别分组再分别绘制每个类别的箱型图。 ```python fig, ax = plt.subplots() for category in df['Category'].unique(): subset = df[df['Category'] == category]['Values'] positions = [ord(category)-64] # 将'A'转换成位置1,'B'->2... bp = ax.boxplot(subset, positions=positions, widths=0.6) ax.set_xticklabels(['A', 'B', 'C']) plt.title('Box Plot using Matplotlib') plt.xlabel('Categories') plt.ylabel('Value Distribution') plt.show() ``` #### 使用 Seaborn 绘制更加美观的箱型图 相比于原生的 `matplotlib` 接口，`seaborn` 提供了更为简洁易读的方法——`sns.boxplot()`，能够快速生成带有更多默认样式优化后的箱型图，并且支持更多的自定义选项[^3]。 ```python plt.figure(figsize=(8, 6)) sns.boxplot(x='Category', y='Values', data=df, palette="Set3") plt.title('Box Plot with Seaborn') plt.xlabel('Categories') plt.ylabel('Value Distributions') # 显示异常点的具体数值标签 fliers = [] # 存储所有的离群点坐标 for line in plt.gca().get_lines(): if line.get_marker() not in ["None", ""]: fliers.extend(line.get_data()[1]) for fly in fliers: plt.text(fly+0.1, fly, str(round(fly)), ha='left', va='center') plt.tight_layout() plt.show() ```