0
0

Python Matplotlib数据可视化绘图之（二）————箱线图

文章目录

前言

本文我们主要介绍利用Python中的Matplotlib模块进行几种箱线图的画法，包括整张图片只有一种颜色的不分组箱线图、整张图片有好几种颜色的不分组箱线图、整张图片有好几种颜色的分组箱线图等。

一、所用到的模块

主要利用Python中的Matplotlib模块完成该功能。

二、单一颜色的普通不分组箱线图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)甲班8090756585951001008070909585869290959085100乙班6070806575807375859095657075808595858070丙班60801001001001009095959585959595958095909090

现在需要把表格中的数据绘制成箱线图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif']=['Microsoft YaHei']# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus']=False

ClassA_C =[80,90,75,65,85,95,100,100,80,70,90,95,85,86,92,90,95,90,85,100]
ClassB_C =[60,70,80,65,75,80,73,75,85,90,95,65,70,75,80,85,95,85,80,70]
ClassC_C =[60,80,100,100,100,100,90,95,95,95,85,95,95,95,95,80,95,90,90,90]

fig = plt.figure(figsize=(8,6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')# 红橙黄绿青蓝紫
color_list =['#FF0000','#FF8C00','#FFFF00','#00FF00','#00FFFF','#0000FF','#800080']

x_labels =['甲班','乙班','丙班']
x_loc =[1,2,3]

boxplot_data =[ClassA_C, ClassB_C, ClassC_C]

ax.boxplot(boxplot_data, positions=x_loc, widths=0.4, patch_artist=True,
           medianprops={'lw':1,'color':'#FF8C00'},
           boxprops={'facecolor':'None','edgecolor':'#FF8C00'},
           capprops={'lw':1,'color':'#FF8C00'},
           whiskerprops={'ls':'-','lw':1,'color':'#FF8C00'},
           showfliers=True,
           flierprops={'marker':'o','markerfacecolor':'#FF8C00','markeredgecolor':'#FF8C00','markersize':8})
ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：
在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name +'.jpg', facecolor=self.fig.get_facecolor())# 其中picture_name为给图片命的名字

三、多种颜色的普通不分组箱线图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)甲班8090756585951001008070909585869290959085100乙班6070806575807375859095657075808595858030丙班60801001001001009095959585959595958095909090

现在需要把表格中的数据绘制成箱线图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif']=['Microsoft YaHei']# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus']=False

ClassA_C =[80,90,75,65,85,95,100,100,80,70,90,95,85,86,92,90,95,90,85,100]
ClassB_C =[60,70,80,65,75,80,73,75,85,90,95,65,70,75,80,85,95,85,80,30]
ClassC_C =[60,80,100,100,100,100,90,95,95,95,85,95,95,95,95,80,95,90,90,90]

fig = plt.figure(figsize=(8,6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')# 橙绿蓝
color_list =['#FF8C00','#00FF00','#0000FF']# marker的形状列表
marker_list =['o','D','s']# marker的大小列表
markersize_list =[3,8,13]

x_labels =['甲班','乙班','丙班']
x_loc =[1,2,3]

boxplot_data =[ClassA_C, ClassB_C, ClassC_C]print(len(boxplot_data))

bp = ax.boxplot(boxplot_data, positions=x_loc, widths=0.4, patch_artist=True, showfliers=True)for i inrange(len(bp['boxes'])):
    bp['boxes'][i].set(facecolor='None', edgecolor=color_list[i])# 顶端, 末端两条线; 顶端:0, 2, 4; 末端:1, 3, 5
    bp['caps'][2* i].set(color=color_list[i])
    bp['caps'][2* i +1].set(color=color_list[i])# 中位数那条线
    bp['medians'][i].set(color=color_list[i])# 顶端, 末端两条须; 顶端:0, 2, 4; 末端:1, 3, 5
    bp['whiskers'][2* i].set(color=color_list[i])
    bp['whiskers'][2* i +1].set(color=color_list[i])# 分别设置异常点的形状, 填充颜色, 轮廓颜色, 大小
    bp['fliers'][i].set_marker(marker_list[i])
    bp['fliers'][i].set_markerfacecolor(color_list[i])
    bp['fliers'][i].set_markeredgecolor(color_list[i])
    bp['fliers'][i].set_markersize(markersize_list[i])

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：

在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name +'.jpg', facecolor=self.fig.get_facecolor())# 其中picture_name为给图片命的名字

四、多种颜色的普通分组箱线图和散点图的叠加图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)数学成绩(分/100分制)英语成绩(分/100分制)甲班807090909010075951006585858575759585901009010010010010080100757085709090859595908598958699959285909088809586709075808578701009075乙班606070707075807575658070757560807590736598758095856085908075959070659560709565759070808075858575957580857575806070706580丙班6010080801009010010010010095100100951001009590909595959595959095958590859095959090959095959590959095809590959595909590909595909085

现在需要把表格中的数据绘制成箱线图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif']=['Microsoft YaHei']# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus']=False

ClassA_C =[80,90,75,65,85,95,100,100,80,70,90,95,85,86,92,90,95,90,85,100]
ClassA_M =[70,90,95,85,75,85,90,100,100,85,90,95,98,99,85,88,86,75,78,90]
ClassA_E =[90,100,100,85,75,90,100,100,75,70,85,90,95,95,90,80,70,80,70,75]

ClassB_C =[60,70,80,65,75,80,73,75,85,90,95,65,70,75,80,85,95,85,80,70]
ClassB_M =[60,70,75,80,75,75,65,80,60,80,90,95,95,90,80,85,75,75,60,65]
ClassB_E =[70,75,75,70,60,90,98,95,85,75,70,60,65,70,75,75,80,75,70,80]

ClassC_C =[60,80,100,100,100,100,90,95,95,95,85,95,95,95,95,80,95,90,90,90]
ClassC_M =[100,100,100,95,95,95,95,95,90,85,90,90,90,95,90,95,95,95,95,90]
ClassC_E =[80,90,100,100,100,90,95,95,95,90,95,90,95,90,95,90,95,90,95,85]

fig = plt.figure(figsize=(8,6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')# 每个刻度标签下有几个group就有几个箱子
group_dataA =[ClassA_C, ClassA_M, ClassA_E]

boxplot_dataABC_C =[ClassA_C, ClassB_C, ClassC_C]
boxplot_dataABC_M =[ClassA_M, ClassB_M, ClassC_M]
boxplot_dataABC_E =[ClassA_E, ClassB_E, ClassC_E]# 橙绿蓝
color_list =['#FF8C00','#00FF00','#0000FF']

x_labels =['甲班','乙班','丙班']
legend_labels =['语文','数学','英语']
length =len(x_labels)
x_loc = np.arange(length)

group_number =len(group_dataA)
total_width =0.6
box_total_width = total_width *0.65
interval_total_width = total_width *0.35
box_width = box_total_width / group_number

###################################################if group_number ==1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width /(group_number -1)###################################################if group_number %2==0:
    x1_box = x_loc -(group_number /2-1)* box_width - box_width /2-(group_number /2-1)* interval_width - interval_width /2else:
    x1_box = x_loc -((group_number -1)/2)* box_width -((group_number -1)/2)* interval_width
x_list_box =[x1_box + box_width * i + interval_width * i for i inrange(group_number)]

boxplot_data =[boxplot_dataABC_C, boxplot_dataABC_M, boxplot_dataABC_E]for i inrange(len(boxplot_data)):###################################################################### 先画boxplot######################## boxplot_data_num用来统计每组数据的长度, 画scatter图时会用到
    boxplot_data_num =[]for j in boxplot_data[i]:
        boxplot_data_num_tmp =len(j)
        boxplot_data_num.append(boxplot_data_num_tmp)#######################
    ax.boxplot(boxplot_data[i], positions=x_list_box[i], widths=box_width, patch_artist=True,
               medianprops={'lw':1,'color': color_list[i]},
               boxprops={'facecolor':'None','edgecolor': color_list[i]},
               capprops={'lw':1,'color': color_list[i]},
               whiskerprops={'ls':'-','lw':1,'color': color_list[i]},
               showfliers=False, zorder=1)# flierprops = {'marker': 'o', 'markerfacecolor': color_list[i], 'markeredgecolor': color_list[i], 'markersize': 8}###################################################################### 再画scatter# 将每一组箱线图统计的所有点绘制在图上# spotx是每一组箱线图所有的点的横坐标
    spotx =[]for j_spotx, k_spotx inzip(x_list_box[i], boxplot_data_num):
        spotx_tmp =[j_spotx]* k_spotx
        spotx.append(spotx_tmp)# print('$$$spotx:', spotx)
    ax.scatter(spotx, boxplot_data[i], c=color_list[i], s=30, label=legend_labels[i], zorder=2)
ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')################################################################################################################################################################################################################################
plt.legend(title='学科', loc='center left', bbox_to_anchor=(1.02,0.5), facecolor='None', edgecolor='#000000',
           frameon=True, ncol=1, markerscale=3, borderaxespad=0, handletextpad=0.1, fontsize='x-large', title_fontsize='x-large')################################################################################################################################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：
在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name +'.jpg', facecolor=self.fig.get_facecolor())# 其中picture_name为给图片命的名字

五、总结

以上就是今天要讲的内容，本文详细介绍了各种箱线图的绘制过程和方法，并用实例给大家演示了具体的实现代码和实现逻辑，希望对大家学习画箱线图有帮助。最后我提出以下几个问题：
(1)为什么我不直接在ax.boxplot()函数中直接用labels这个参数生成legend，反而要利用ax.scatter()函数中的label参数生成legend？
(2)还有什么方法能够生成箱线图的图例？
(3)箱线图的图例生成方法和柱状图、折线图、饼图、直方图、散点图等图的图例生成方法有什么不同之处或特别之处？
这些将在后面将要写的一篇博文名为《Python Matplotlib数据可视化绘图之（五）————箱线图与散点图的叠加图》的文章中详细讲解

标签： matplotlib python 开发语言
本文转载自: https://blog.csdn.net/Mr_Dragon66/article/details/127814202
版权归原作者 北极熊在南极_whl 所有， 如有侵权，请联系我们删除。
登录后发布评论

“Python Matplotlib数据可视化绘图之（二）————箱线图”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

机器人技术在安全领域的重要作用

安全学习记录——网络篇（一）

图腾柱PFC：HP1010为您的电动两轮车之旅提供绿色，高效，安全的动力

单元测试数据库回滚问题

这才是单元测试，之前我们都错了

【C语言基础】：字符函数和字符串函数

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

文章导航