Python?matplotlib實(shí)戰(zhàn)之箱型圖繪制

更新時(shí)間：2023年08月31日 10:59:57 作者：databook

箱型圖（Box?Plot）,也稱為盒須圖或盒式圖,是一種用作顯示一組數(shù)據(jù)分布情況的統(tǒng)計(jì)圖,因型狀如箱子而得名,本文主要為大家介紹了如何使用Matplotlib繪制箱型圖,需要的小伙伴可以參考下

1. 主要元素

它主要由以下五個(gè)元素組成：

最大值：表示數(shù)據(jù)的最大值，排除了異常值后的上限。
上四分位線：數(shù)據(jù)的上四分位數(shù)，將數(shù)據(jù)分為四等份，處于上邊緣和中位數(shù)之間的數(shù)據(jù)。也稱為第三四分位數(shù)。
中位數(shù)：數(shù)據(jù)的中位數(shù)，將數(shù)據(jù)分為兩等份，處于上四分位數(shù)和下四分位數(shù)之間的數(shù)據(jù)。也稱為第二四分位數(shù)。
下四分位線：數(shù)據(jù)的下四分位數(shù)，將數(shù)據(jù)分為四等份，處于中位數(shù)和下邊緣之間的數(shù)據(jù)。也稱為第一四分位數(shù)。
最小值：表示數(shù)據(jù)的最小值，排除了異常值后的下限。

2. 適用的場景

箱型圖適用于以下分析場景：

數(shù)據(jù)分布比較：比較不同組數(shù)據(jù)的分布情況。通過將多個(gè)箱型圖放在一起，可以直觀地比較它們的中位數(shù)、四分位數(shù)和離群值等信息，從而了解它們之間的差異。
離群值檢測：檢測數(shù)據(jù)中的離群值。離群值是與其他數(shù)據(jù)點(diǎn)相比明顯偏離的數(shù)據(jù)點(diǎn)，它們可能是數(shù)據(jù)收集或記錄過程中的異?；蝈e(cuò)誤。箱型圖中的離群點(diǎn)可以幫助識(shí)別這些異常值。
數(shù)據(jù)中心趨勢和離散程度：通過中位數(shù)和四分位距（上四分位數(shù)與下四分位數(shù)之差）展示了數(shù)據(jù)的中心趨勢和離散程度。中位數(shù)提供了數(shù)據(jù)的中心位置，四分位距提供了數(shù)據(jù)的離散程度。
數(shù)據(jù)分布形狀：提供關(guān)于數(shù)據(jù)分布形狀的一些信息。例如，如果箱型圖的上下邊緣和中位數(shù)都接近，箱型圖可能顯示出對稱的分布。如果箱型圖的上邊緣比下邊緣長，中位數(shù)偏向下邊緣，可能顯示出右偏分布。

3. 不適用的場景

箱型圖不適用于以下分析場景：

數(shù)據(jù)樣本過小：當(dāng)數(shù)據(jù)樣本過小時(shí)，箱型圖可能無法提供足夠的信息來準(zhǔn)確描述數(shù)據(jù)的分布情況。
數(shù)據(jù)分布復(fù)雜：當(dāng)數(shù)據(jù)分布非常復(fù)雜或包含多個(gè)峰值時(shí)，箱型圖可能無法完全捕捉到數(shù)據(jù)的特征。
數(shù)據(jù)缺失：如果數(shù)據(jù)中存在大量缺失值，箱型圖可能無法提供準(zhǔn)確的分布信息。

4. 分析實(shí)戰(zhàn)

本次通過箱型圖分析我國三大產(chǎn)業(yè)對GDP的貢獻(xiàn)情況。

4.1. 數(shù)據(jù)來源

數(shù)據(jù)來自國家統(tǒng)計(jì)局公開的歷年數(shù)據(jù)，整理好的文件從下面的地址下載：databook.top/nation/A02

使用的是其中的 A0201.csv 文件（國內(nèi)生產(chǎn)總值）

fp = "d:/share/data/A0201.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

過濾出三大產(chǎn)業(yè)在2013年~2022年的增加值數(shù)據(jù)。

data = df[df["zb"].isin(["A020103", 
                         "A020104",
                         "A020105"])].copy()
data = data[data["sj"] > 2012]
data

其中，A020103，A020104，A020105 分別是三大產(chǎn)業(yè)的指標(biāo)編號。

4.3. 分析結(jié)果可視化

通過箱型圖展示三大產(chǎn)業(yè)的增加值情況：

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 1, 1])
graph = ax.boxplot(
    [
        data[data["zb"] == "A020103"].loc[:, "value"],
        data[data["zb"] == "A020104"].loc[:, "value"],
        data[data["zb"] == "A020105"].loc[:, "value"],
    ],
    vert=True,
    patch_artist=True,
    labels=["第一產(chǎn)業(yè)", "第二產(chǎn)業(yè)", "第三產(chǎn)業(yè)"]
)
ax.set_title("2013~2022 三大產(chǎn)業(yè)對GDP增加值(億元)")
colors = ['pink', 'lightblue', 'lightgreen']
for patch, color in zip(graph['boxes'], colors):
    patch.set_facecolor(color)
plt.show()