其他
Python可视化17seborn-箱图boxplot
"pythonic生物人"的第62篇分享
本文系统详解利用python中seaborn.boxplot绘制箱图boxplot。seaborn.boxplot是matplotlib.pyplot.boxplot的封装版，更个性化的设置请研究matplotlib.pyplot.boxplot本文将了解到什么？
1、数据集准备及箱图简介2、seaborn.boxplot箱图外观设置默认参数绘制箱图 箱图异常值属性设置 异常值关闭显示 异常值marker大小设置 异常值marker形状、填充色、轮廓设置箱图上下横线属性设置 上下横线关闭 上下横线颜色、线型、线宽等设置箱图上下须线属性设置箱图箱子设置 箱子设置缺口 箱子不填充颜色 箱子外框、内部填充色 箱图中位数线属性设置 箱图均值属性设置 均值使用点显示、设置点形状、填充色 均值使用线显示 、线型、颜色设置箱图中所有线属性设置
3、seaborn.boxplot分组箱图分组绘图（方法一）分组绘图（方法二）箱子颜色设置 设置箱子颜色 设置箱子颜色饱和度箱子间距设置 每个小组再按子组绘图 按顺序绘制箱图正文开始啦
线图用来展现数据的分布，能直观的展示数据的关键指标（如下四分位数、上四分位数、中位数、最大值、最小值、离散点/异常值点）；箱线图可直观展示不同组数据的差异；下面详细介绍python中matplotlib及seaborn库绘制箱图。
1、数据集准备及箱图简介
还是使用鸢尾花数据集iris，iris详细介绍请戳：Python可视化|matplotlib10-绘制散点图scatter
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import seaborn as sns
import palettable
from sklearn import datasets
plt.rcParams['font.sans-serif']=['SimHei'] # 用于显示中文
plt.rcParams['axes.unicode_minus'] = False # 用于显示中文
iris=datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'] )
查看数据集样子？
pd_iris["sepal width(cm)"].describe()#以上各个值其实都可以使用describe函数查看
count 150.000000
mean 3.054000
std 0.433594
min 2.000000
25% 2.800000（下四分位数，25% 的数据小于等于此值。）
50% 3.000000（中位数，50% 的数据小于等于此值。）
75% 3.300000（上四分位数，75% 的数据小于等于此值。）
max 4.400000
Name: sepal width(cm), dtype: float64
上面注释部分很好的解释了下面箱图中四分位数的含义
2、seaborn.boxplot箱图外观设置
默认参数绘制箱图
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],#传入一组数据
orient='v'#箱子垂直显示，默认为'h'水平显示
)
plt.show()
箱图异常值属性设置
异常值关闭显示
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
showfliers=False,#异常值关闭显示
)
plt.show()
异常值marker大小设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
orient='v',
fliersize=15,#设置离散值marker大小，默认为5
)
plt.show()
异常值marker形状、填充色、轮廓设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
orient='v',
flierprops = {'marker':'o',#异常值形状
'markerfacecolor':'red',#形状填充色
'color':'black',#形状外廓颜色
},
)
plt.show()
箱图上下横线属性设置
上下横线关闭
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
showcaps=False,#上下横线关闭
)
plt.show()
上下横线颜色、线型、线宽等设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
capprops={'linestyle':'--','color':'red'},#设置上下横线属性
)
plt.show()
箱图上下须线属性设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
whiskerprops={'linestyle':'--','color':'red'},#设置上下须属性
)
plt.show()
箱图箱子设置
箱子设置缺口
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
orient='v',
notch=True,#箱子设置缺口
)
plt.show()
箱子不填充颜色
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
orient='v',
color='white',#箱子不填充
)
plt.show()
箱子外框、内部填充色
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
boxprops = {'color':'red',#箱子外框
'facecolor':'pink'#箱子填充色
},#设置箱子属性
)
plt.show()
箱图中位数线属性设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
medianprops = {'linestyle':'--','color':'red'},#设置中位数线线型及颜色
)
plt.show()
**箱图均值属性设置 **
均值使用点显示、设置点形状、填充色
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
showmeans=True,#箱图显示均值，
meanprops = {'marker':'D','markerfacecolor':'red'},#设置均值属性
)
plt.show()
均值使用线显示 、线型、颜色设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
showmeans=True,#箱图显示均值，
meanline=True,#显示均值线
meanprops = {'linestyle':'--','color':'red'},#设置均值线属性
)
plt.show()
箱图中所有线属性设置
plt.figure(dpi=100)
sns.boxplot(y=pd_iris["sepal width(cm)"],
orient='v',
linewidth=8#设置箱子等线的宽度
)
plt.show()
3、seaborn.boxplot分组箱图
分组绘图（方法一）
plt.figure(dpi=100)
class_name=[iris.target_names[0] if i==0.0 else iris.target_names[1] if i==1.0 else iris.target_names[2] for i in pd_iris['class']]
sns.boxplot(x=class_name,#按照pd_iris["sepal width(cm)"]分组，即按照每种鸢尾花（'setosa', 'versicolor', 'virginica'）分组绘图
y=pd_iris["sepal width(cm)"],#绘图数据
orient='v'
)
plt.show()
分组绘图（方法二）
plt.figure(dpi=100)
sns.boxplot(x='class',
y='sepal width(cm)',
data=pd_iris,#data的作用就是x，y每次不需要输入pd_iris
orient='v'
)
plt.show()
箱子颜色设置
设置箱子颜色
import palettable
plt.figure(dpi=100)
sns.boxplot(x='class',
y='sepal width(cm)',
data=pd_iris,
orient='v',
palette=palettable.tableau.TrafficLight_9.mpl_colors,#设置每个箱子颜色
)
plt.show()
设置箱子颜色饱和度
import palettable
plt.figure(dpi=100)
sns.boxplot(x='class',
y='sepal width(cm)',
data=pd_iris,
orient='v',
palette=palettable.tableau.TrafficLight_9.mpl_colors,
saturation=0.3,#设置颜色饱和度
)
plt.show()
箱子间距设置
import palettable
plt.figure(dpi=100)
sns.boxplot(x='class',
y='sepal width(cm)',
data=pd_iris,
orient='v',
palette=palettable.tableau.TrafficLight_9.mpl_colors,
saturation=0.3,#设置颜色饱和度
width=1.0,#设置箱子之间距离，为1时，每个箱子之间距离为0
)
plt.show()
每个小组再按子组绘图
plt.figure(dpi=100)
class_name=[iris.target_names[0] if i==0.0 else iris.target_names[1] if i==1.0 else iris.target_names[2] for i in pd_iris['class']]
sns.boxplot(x=class_name,
y=pd_iris['sepal width(cm)'],
hue=pd_iris['petal width(cm)'],#每类按照子类分组：上图三类再按照'sepal width(cm)'分组绘图
orient='v'
)
plt.show()
按顺序绘制箱图
plt.figure(dpi=100)
class_name=[iris.target_names[0] if i==0.0 else iris.target_names[1] if i==1.0 else iris.target_names[2] for i in pd_iris['class']]
sns.boxplot(x=class_name,
y=pd_iris["sepal width(cm)"],
hue=pd_iris['petal width(cm)'],
order=["virginica", "versicolor", "setosa"],#设置箱子的显示顺序
hue_order=sorted(list(pd_iris['petal width(cm)'].unique())),#设置每个子类中箱子的显示顺序，此处设置从小到大排序
orient='v'
)
plt.show()
4、参考资料
以上涉及到单颜色设置，详细见：Python可视化|matplotlib05-内置单颜色（一）；Python可视化|matplotlib06-外部单颜色（二）； 涉及到colormap设置，详细见：Python可视化|matplotlib07-自带颜色条Colormap（三）；Python可视化|08-Palettable库中颜色条Colormap（四） 涉及到marker及linestyle设置，详细见：Python可视化|matplotlib03-一文掌握marker和linestyle使用 https://matplotlib.org/api/_as_gen/matplotlib.pyplot.boxplot.html?highlight=boxplot#matplotlib.pyplot.boxplot http://seaborn.pydata.org/generated/seaborn.boxplot.html#seaborn.boxplot