一、概念介紹

箱型圖（box-plot)，又稱(chēng)為箱線圖，盒型圖，盒須圖。在數(shù)據(jù)探索階段或者描述性分析過(guò)程中，我們常常用于展示多類(lèi)連續(xù)型數(shù)據(jù)的數(shù)值分布情況，便于類(lèi)間對(duì)比和快速識(shí)別異常值。

在一幅箱型圖中，一個(gè)連續(xù)數(shù)值序列構(gòu)成一個(gè)盒子，如下所示。

每一個(gè)盒子主要展示的是數(shù)據(jù)的上四分位數(shù)Q1(25%)，中位數(shù)（50%)，下四分位數(shù)Q3（75%)。劃分異常值的界限我們稱(chēng)為上下極限，其離Q1,Q3分別是1.5IQR（IQR=Q3-Q1，稱(chēng)作四分位距）的距離，在上下極限之外的點(diǎn)，我們稱(chēng)為異常點(diǎn)。異常值在不同場(chǎng)景中受到不同的重視，如果是要研究目標(biāo)群體的薪資水平，我們常常關(guān)注中位數(shù)和IQR，而不關(guān)注異常值。

二、數(shù)據(jù)展示

        借助爬蟲(chóng)技術(shù)，我們?cè)谀硞€(gè)時(shí)間的boss直聘首頁(yè)隨機(jī)獲取了八個(gè)城市的三類(lèi)檢索詞（數(shù)據(jù)分析師、數(shù)據(jù)挖掘工程師、算法工程師）的職位發(fā)布信息。一共得到的excel表如下所示。

每一個(gè)表內(nèi)的數(shù)據(jù)如下：

（其中平均月薪的計(jì)算是簡(jiǎn)單地通過(guò)區(qū)間中位數(shù)*薪期/12得到，如8k-10k*16薪，則平均月薪為12000.

 三、數(shù)據(jù)導(dǎo)入

 只需要導(dǎo)入每一個(gè)表格中的 職位名稱(chēng)  和 平均月薪  列。

import pandas as pd
city8_fullname = ['北京','重慶','武漢','深圳','南京','廣州','成都','上海']
job_type = ['數(shù)據(jù)分析師','數(shù)據(jù)挖掘工程師','算法工程師']
salary_dic = {}
for i in range(len(city8_fullname)):
    df = pd.DataFrame(pd.read_excel('./Boss直聘數(shù)據(jù)-八個(gè)城市/Boss直聘-'+city8_fullname[i]+'.xls'))
    salary_dic[city8_fullname[i]] = df[['職位名稱(chēng)','平均月薪']]
    salary_dic[city8_fullname[i]]['城市'] = pd.Series([city8_fullname[i]]*df.shape[0])
## 整合成畫(huà)圖需要的格式
salary = salary_dic[city8_fullname[0]]
for i in range(1,8):
    salary = pd.concat([salary,salary_dic[city8_fullname[i]]],ignore_index="true")

 得到的數(shù)據(jù)結(jié)構(gòu)為：

  四、畫(huà)圖

 這里，我們使用的是python語(yǔ)言，借助seaborn包完成。

 
import matplotlib.pyplot as plt
import seaborn as sns
 
# 中文與正負(fù)號(hào)顯示設(shè)置
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# Draw
plt.figure(figsize=(14,8), dpi= 100)
sns.boxplot(x='城市', y='平均月薪', data=salary, hue='職位名稱(chēng)')
sns.stripplot(x='城市', y='平均月薪', data=salary, color='black', size=2, jitter=1)
for i in range(len(salary['城市'].unique())-1):
    plt.vlines(i+.5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)
plt.title('八大城市對(duì)口專(zhuān)業(yè)薪資分布', fontsize=20)
plt.legend(title='職位類(lèi)型')
plt.xticks(fontsize=14)
plt.xlabel('城市',fontsize=16)
plt.ylabel('平均月薪',fontsize=16)
plt.yticks(fontsize=14)
plt.savefig(r'./繪圖結(jié)果/薪資-薪資分布-箱線圖.png')

sns.stripplot------用于畫(huà)分布散點(diǎn)圖（如果是大樣本的話不適用，但有一種一半密度一半箱型的類(lèi)別，可以避免散點(diǎn)覆蓋的情況 ）

plt.vlines-----畫(huà)輔助線

hue-----可以理解為有多少組，在這里相當(dāng)于出去城市外的第二個(gè)維度的分類(lèi)。

結(jié)果圖為：

 上圖中，我們是在箱型圖的基礎(chǔ)上加了散點(diǎn)的，目的在于了解各城市薪資的數(shù)值集中分布情況。

總結(jié)

到此這篇關(guān)于用python的seaborn畫(huà)數(shù)值箱型圖的文章就介紹到這了,更多相關(guān)python seaborn箱型圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！