盒子图python

admin 2026年03月04日 17:28 106 0

盒子图（箱线图）是Python中常用的统计可视化工具，用于展示数据的分布特征，通过Matplotlib的boxplot()或Seaborn的boxplot()函数，可快速绘制箱线图，其核心组成部分包括箱体（表示四分位距IQR）、中位线、须线（延伸至1.5倍IQR或最值）及异常值点，该图表能有效识别数据集中位数、离散程度和异常值，适合单变量或多组数据分布对比分析，Seaborn还支持按分组变量着色、调整箱体宽度等，增强可视化表现力，是数据探索阶段分析数据分布规律的利器。

Python数据可视化利器：从零掌握箱线图绘制与解读

在数据分析流程中，快速洞察数据分布特征（如中心趋势、离散程度、异常值）是探索性数据分析（EDA）的核心任务。**箱线图（Box Plot）** 作为经典的可视化工具，通过简洁的图形语言直观呈现数据的五数概括（最小值、第一四分位数Q1、中位数、第三四分位数Q3、最大值），并精准识别异常值，借助Python的Matplotlib与Seaborn库，绘制箱线图仅需数行代码，本文将系统讲解箱线图的原理、绘制方法、参数定制及实战应用,助您从零掌握这一数据分析利器。

箱线图的核心：解密数据的“五维密码”

深入理解箱线图的构成（以垂直箱线图为例）是正确解读数据的关键：

箱体（Box）：核心数据分布区间，上边界为**第三四分位数（Q3，75%分位数）**，下边界为**第一四分位数（Q1，25%分位数）**，箱体高度即**四分位距（IQR=Q3-Q1）**，覆盖数据中间50%的集中范围。
中位线（Median）：箱体内的水平线，代表**中位数（50%分位数）**，是衡量数据中心趋势的核心指标，若中位线偏离箱体中心,提示数据存在偏态分布。
须（Whiskers）：从箱体延伸的垂直线，默认范围至**Q1-1.5×IQR**（下须）和**Q3+1.5×IQR**（上须）内的最远数据点,须线长度反映数据分布的离散程度。
异常值（Outliers）：须线范围外的离散点，通常以圆点或星号标记,需结合业务场景判断是否为极端值或数据错误。

通过箱线图可快速判断：数据对称性（中位线位置）、分布偏态（左右须线长度）、异常值密度,并高效对比多组数据的分布差异。

Python实战：从基础绘图到高级定制

Python生态中，**Matplotlib**提供底层绘图能力，**Seaborn**封装了更优雅的统计可视化接口,以下通过案例演示完整流程。

基础绘图：Matplotlib单组箱线图

使用`boxplot()`函数绘制正态分布数据的箱线图,并自定义视觉样式：

import numpy as np
import matplotlib.pyplot as plt
生成模拟数据：100个正态分布随机数（均值0，标准差1）
data = np.random.normal(0, 1, 100)
创建画布
plt.figure(figsize=(6, 8))
绘制定制化箱线图
plt.boxplot(
data,
patch_artist=True,  # 启用箱体填充
boxprops=dict(facecolor='lightblue', color='blue'),  # 箱体样式
medianprops=dict(color='red', linewidth=2),  # 中位线样式
whiskerprops=dict(color='green', linewidth=1.5),  # 须线样式
capprops=dict(color='black'),  # 须线端帽样式
flierprops=dict(marker='o', markerfacecolor='red', markersize=5)  # 异常值样式
)
与标签'基础箱线图示例', fontsize=14)
plt.ylabel('数值', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)  # 水平网格线
plt.show()

参数解析：

`patch_artist=True`：启用箱体填充功能（默认仅绘制边框）
`*_props`参数：通过字典格式控制各组件的视觉属性（颜色、线宽、标记样式等）
输出结果：蓝色箱体、红色中位线、绿色须线、红色异常值标记（若存在）

多组对比：Seaborn分组箱线图

通过Seaborn的`boxplot()`高效实现多组数据对比，以"小费数据集"为例分析不同星期账单分布：

import seaborn as sns
import matplotlib.pyplot as plt
加载内置数据集
tips = sns.load_dataset('tips')
创建画布
plt.figure(figsize=(10, 6))
绘制分组箱线图
sns.boxplot(
x='day',          # 分组变量（x轴）
y='total_bill',   # 数值变量（y轴）
data=tips,        # 数据源
palette='Set2',   # 调色板
width=0.6,        # 箱体宽度
showfliers=True   # 显示异常值（默认True）
)
与标签'不同星期总账单分布对比', fontsize=14)
plt.xlabel('星期', fontsize=12)
plt.ylabel('总账单（美元）', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

结果解读：

**星期四（Thur）**：账单分布最集中（箱体最窄），中位数最低，异常值较少
**星期日（Sun）**：账单整体偏高（箱体上移），离散程度最大（须线最长），存在多个高值异常点
**星期六（Sat）**：分布特征与周日相似，但中位数略低
**星期五（Fri）**：数据量最少，分布特征需谨慎解读

高级定制：多维度分组与样式优化

通过`hue`参数实现分组变量嵌套,并优化视觉呈现：

plt.figure(figsize=(12, 7))
按星期+性别分组，添加均值标记
sns.boxplot(
x='day',
y='total_bill',
hue='sex',          # 二级分组变量
data=tips,
palette='pastel',
width=0.6,
showmeans=True,     # 显示均值标记
meanprops=dict(marker='D', markerfacecolor='black', markeredgecolor='black')
)
'按星期与性别分组的账单分布', fontsize=14)
plt.xlabel('星期', fontsize=12)
plt.ylabel('总账单（美元）', fontsize=12
		    	
        	        		标签：        		    #boxplot python