专栏导读

✍ 作者简介：i阿极，CSDN 数据分析领域优质创作者，专注于分享python数据分析领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

1、Matplotlib箱线图boxplot()基本语法

箱线图（Box Plot）是一种用于显示数据分布和异常值的可视化方法。它展示了一组数据的五个统计量：最小值（minimum）、第一四分位数（lower quartile）、中位数（median）、第三四分位数（upper quartile）和最大值（maximum）。箱线图还可以显示异常值（outliers）和数据的分布情况。

Matplotlib库提供了绘制箱线图的函数，其基本语法如下：

plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None,patch_artist=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None)

下面是一些常用参数的解释：

• x: 必需参数，要绘制箱线图的数据，可以是一个数组、一个或多个列表、或一个二维数组。
• notch: 可选参数，控制箱体是否带缺口，默认值为False。
• sym: 可选参数，指定异常值的标记符号，默认值为None。
• vert: 可选参数，控制箱线图的方向，可以是垂直（True）或水平（False），默认值为True。
• whis: 可选参数，指定箱线图的须的长度，表示数据的分布范围，默认值为1.5。
• showfliers: 可选参数，控制是否显示异常值，默认值为True。
• boxprops: 可选参数，用于设置箱体的属性，如颜色、填充等。
• labels: 可选参数，用于设置箱线图的标签。

下面是一个简单的示例，演示如何使用箱线图绘制一组数据的分布：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制箱线图
plt.boxplot(data)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot')# 显示图表
plt.show()

下面是一个示例，演示如何绘制多个箱线图：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data1 = np.random.randn(100)
data2 = np.random.randn(100)
data3 = np.random.randn(100)# 将数据组织为二维数组
data = [data1, data2, data3]# 绘制多个箱线图
plt.boxplot(data)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Multiple Box Plots')# 显示图表
plt.show()

2、Matplotlib箱线图boxplot()举例异常值

在箱线图中，异常值是指位于数据分布之外的值，它们与其他数据点相比明显偏离。异常值可以通过箱线图的须和离群点来表示。

下面是一个示例，演示如何在箱线图中标记异常值：

import matplotlib.pyplot as plt
import numpy as np# 生成带有异常值的随机数据
np.random.seed(0)
data = np.concatenate([np.random.normal(0, 1, 100), np.array([5, -5, 8, -8])])# 绘制箱线图
plt.boxplot(data, showfliers=True)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Outliers')# 显示图表
plt.show()

在这个示例中，我们生成了一个包含正态分布数据和异常值的随机数据集data。异常值包括值为5、-5、8和-8的数据点。
然后，我们使用plt.boxplot()函数并将showfliers参数设置为True，以显示箱线图中的异常值。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

3、Matplotlib箱线图boxplot()样式定义

boxplot()函数提供了一系列参数，可以用于自定义箱线图的样式。

import matplotlib.pyplot as plt
import numpy as np# Generate random data
np.random.seed(0)
data = np.random.randn(100)# Define boxplot styles
boxprops = dict(facecolor='lightblue')
flierprops = dict(marker='o', markerfacecolor='green', markersize=5, linestyle='none')# Create boxplot
plt.boxplot(data, patch_artist=True, boxprops=boxprops, flierprops=flierprops)# Add labels and title
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Customized Box Plot')# Show the plot
plt.show()

4、Matplotlib箱线图boxplot()举例带缺口

当绘制箱线图时，你可以使用notch=True参数来为箱体添加一个缺口，用于表示数据的置信区间。缺口的宽度取决于数据的分布。下面是一个带有缺口的箱线图示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制带有缺口的箱线图
plt.boxplot(data, notch=True)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Notch')# 显示图表
plt.show()

在这个示例中，我们生成了一个随机数据集data。然后，我们使用plt.boxplot()函数并将notch=True作为参数传递，以绘制带有缺口的箱线图。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

5、Matplotlib箱线图boxplot()举例横向显示

当你想要绘制横向的箱线图时，你可以使用vert=False参数将箱线图的方向设置为水平方向。这样，箱体和须将水平放置，而不是垂直放置。下面是一个横向显示的箱线图示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制横向箱线图
plt.boxplot(data, vert=False)# 添加标签和标题
plt.xlabel('Values')
plt.ylabel('Data')
plt.title('Horizontal Box Plot')# 显示图表
plt.show()

在这个示例中，我们生成了一个随机数据集data。然后，我们使用plt.boxplot()函数并将vert=False作为参数传递，以绘制横向的箱线图。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

6、Matplotlib箱线图boxplot()举例显示平均值

要在箱线图上显示平均值，你可以使用meanline=True参数来绘制平均线。下面是一个示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制箱线图并显示平均值
plt.boxplot(data, meanline=True, showmeans=True)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Mean')# 显示图表
plt.show()

在这个示例中，我们生成了一个随机数据集data。然后，我们使用plt.boxplot()函数并将meanline=True和showmeans=True作为参数传递，以绘制带有平均线的箱线图。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

7、Matplotlib箱线图boxplot()举例隐藏异常值

要在箱线图中隐藏异常值，你可以使用showfliers=False参数。下面是一个示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制箱线图并隐藏异常值
plt.boxplot(data, showfliers=False)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot without Outliers')# 显示图表
plt.show()

8、Matplotlib箱线图boxplot()举例异常值的样式

要自定义箱线图中异常值的样式，你可以使用flierprops参数来指定异常值的属性。下面是一个示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)
outliers = [2.5, -3.8, 3.2]  # 自定义异常值# 绘制箱线图并自定义异常值样式
plt.boxplot(data, flierprops={'marker': 'x', 'markerfacecolor': 'red', 'markersize': 8, 'linestyle': 'none'},notch=True, showfliers=True)# 添加自定义异常值
plt.scatter(np.full(len(outliers), 1), outliers, marker='x', color='red')# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Custom Outliers')# 显示图表
plt.show()

在这个示例中，我们生成了一个随机数据集data，并定义了一些自定义的异常值outliers。然后，我们使用plt.boxplot()函数并通过flierprops参数传递一个字典来自定义异常值的样式，包括marker、markerfacecolor、markersize和linestyle。
为了显示自定义的异常值，我们使用plt.scatter()函数在相应位置上绘制了红色的"x"标记。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

9、Matplotlib箱线图boxplot()举例箱子的样式

要自定义箱线图中箱子的样式，你可以使用boxprops参数来指定箱子的属性。下面是一个示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data = np.random.randn(100)# 绘制箱线图并自定义箱子样式
plt.boxplot(data, boxprops={'color': 'green', 'linewidth': 2, 'linestyle': '--'},notch=True, showfliers=True)# 添加标签和标题
plt.xlabel('Data')
plt.ylabel('Values')
plt.title('Box Plot with Custom Box Style')# 显示图表
plt.show()

在这个示例中，我们生成了一个随机数据集data。然后，我们使用plt.boxplot()函数并通过boxprops参数传递一个字典来自定义箱子的样式，包括color、linewidth和linestyle。
在这里，我们将箱子的颜色设置为绿色，线宽设置为2，线型设置为虚线。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

11、Matplotlib箱线图boxplot()举例标签说明

要为箱线图添加标签说明，你可以使用labels参数来指定每个数据组的标签。下面是一个示例：

import matplotlib.pyplot as plt
import numpy as np# 生成随机数据
np.random.seed(0)
data1 = np.random.randn(100)
data2 = np.random.randn(100) + 2
data3 = np.random.randn(100) - 2# 绘制多个箱线图并添加标签说明
plt.boxplot([data1, data2, data3], labels=['Group 1', 'Group 2', 'Group 3'])# 添加标签和标题
plt.xlabel('Groups')
plt.ylabel('Values')
plt.title('Box Plot with Labels')# 显示图表
plt.show()

在这个示例中，我们生成了三组随机数据：data1、data2和data3。然后，我们使用plt.boxplot()函数传递这三组数据，并通过labels参数指定每个数据组的标签。
最后，我们添加了标签和标题，以便更好地说明图表的含义。

---

📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗