利用Python - Matplotlib 绘制箱线图

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

1. 可以直观明了地识别数据批中的异常值；
2. 通过箱线图可以判断数据批的偏态和尾重；
3. 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2013.11到2020.03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

1. 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