国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

Python Matplotlib數據可視化繪圖之（二）————箱線圖

2年前作者：北極熊在南極_whl分類：Toy博客閱讀(23)違法舉報

這篇具有很好參考價值的文章主要介紹了Python Matplotlib數據可視化繪圖之（二）————箱線圖。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

前言

本文我們主要介紹利用Python中的Matplotlib模塊進行幾種箱線圖的畫法，包括整張圖片只有一種顏色的不分組箱線圖、整張圖片有好幾種顏色的不分組箱線圖、整張圖片有好幾種顏色的分組箱線圖等。

一、所用到的模塊

主要利用Python中的Matplotlib模塊完成該功能。

二、單一顏色的普通不分組箱線圖

1.示例數據如下

表格如下（示例）：

班別	語文成績(分/100分制)
甲班	80
	90
	75
	65
	85
	95
	100
	100
	80
	70
	90
	95
	85
	86
	92
	90
	95
	90
	85
	100
乙班	60
	70
	80
	65
	75
	80
	73
	75
	85
	90
	95
	65
	70
	75
	80
	85
	95
	85
	80
	70
丙班	60
	80
	100
	100
	100
	100
	90
	95
	95
	95
	85
	95
	95
	95
	95
	80
	95
	90
	90
	90

現(xiàn)在需要把表格中的數據繪制成箱線圖，從而進一步分析每個班級的學生成績情況。

2.代碼如下

2.1 代碼如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 設置字體, 解決中文亂碼問題
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解決圖像中的'-'負號的亂碼問題
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')
# 紅橙黃綠青藍紫
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('甲乙丙各班語文成績Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分數/百分制', fontweight='bold')
# 設置x, y坐標軸的刻度標簽字體加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

輸出結果如下：
Python Matplotlib數據可視化繪圖之（二）————箱線圖

注意：如果想保存這種畫布帶背景顏色且軸域也帶背景顏色的圖片（在此圖中，畫布[fig]背景顏色為#B0C4DE，軸域[ax]背景顏色為white），需要使用以下語句保存到本地，具體語句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name為給圖片命的名字

三、多種顏色的普通不分組箱線圖

1.示例數據如下

表格如下（示例）：

班別	語文成績(分/100分制)
甲班	80
	90
	75
	65
	85
	95
	100
	100
	80
	70
	90
	95
	85
	86
	92
	90
	95
	90
	85
	100
乙班	60
	70
	80
	65
	75
	80
	73
	75
	85
	90
	95
	65
	70
	75
	80
	85
	95
	85
	80
	30
丙班	60
	80
	100
	100
	100
	100
	90
	95
	95
	95
	85
	95
	95
	95
	95
	80
	95
	90
	90
	90

現(xiàn)在需要把表格中的數據繪制成箱線圖，從而進一步分析每個班級的學生成績情況。

2.代碼如下

2.1 代碼如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 設置字體, 解決中文亂碼問題
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解決圖像中的'-'負號的亂碼問題
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')
# 橙綠藍
color_list = ['#FF8C00', '#00FF00', '#0000FF']
# marker的形狀列表
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 in range(len(bp['boxes'])):
    bp['boxes'][i].set(facecolor='None', edgecolor=color_list[i])

    # 頂端, 末端兩條線; 頂端: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])

    # 中位數那條線
    bp['medians'][i].set(color=color_list[i])

    # 頂端, 末端兩條須; 頂端: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])

    # 分別設置異常點的形狀, 填充顏色, 輪廓顏色, 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('甲乙丙各班語文成績Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分數/百分制', fontweight='bold')
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

輸出結果如下：

Python Matplotlib數據可視化繪圖之（二）————箱線圖

注意：如果想保存這種畫布帶背景顏色且軸域也帶背景顏色的圖片（在此圖中，畫布[fig]背景顏色為#B0C4DE，軸域[ax]背景顏色為white），需要使用以下語句保存到本地，具體語句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name為給圖片命的名字

四、多種顏色的普通分組箱線圖和散點圖的疊加圖

1.示例數據如下

表格如下（示例）：

班別	語文成績(分/100分制)	數學成績(分/100分制)	英語成績(分/100分制)
甲班	80	70	90
	90	90	100
	75	95	100
	65	85	85
	85	75	75
	95	85	90
	100	90	100
	100	100	100
	80	100	75
	70	85	70
	90	90	85
	95	95	90
	85	98	95
	86	99	95
	92	85	90
	90	88	80
	95	86	70
	90	75	80
	85	78	70
	100	90	75
乙班	60	60	70
	70	70	75
	80	75	75
	65	80	70
	75	75	60
	80	75	90
	73	65	98
	75	80	95
	85	60	85
	90	80	75
	95	90	70
	65	95	60
	70	95	65
	75	90	70
	80	80	75
	85	85	75
	95	75	80
	85	75	75
	80	60	70
	70	65	80
丙班	60	100	80
	80	100	90
	100	100	100
	100	95	100
	100	95	100
	100	95	90
	90	95	95
	95	95	95
	95	90	95
	95	85	90
	85	90	95
	95	90	90
	95	90	95
	95	95	90
	95	90	95
	80	95	90
	95	95	95
	90	95	90
	90	95	95
	90	90	85

現(xiàn)在需要把表格中的數據繪制成箱線圖，從而進一步分析每個班級的學生成績情況。

2.代碼如下

2.1 代碼如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt
import numpy as np

# 設置字體, 解決中文亂碼問題
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解決圖像中的'-'負號的亂碼問題
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')

# 每個刻度標簽下有幾個group就有幾個箱子
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]

# 橙綠藍
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['語文', '數學', '英語']
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 / 2
else:
    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 in range(group_number)]


boxplot_data = [boxplot_dataABC_C, boxplot_dataABC_M, boxplot_dataABC_E]

for i in range(len(boxplot_data)):
    #####################################################################
    # 先畫boxplot
    #######################
    # boxplot_data_num用來統(tǒng)計每組數據的長度, 畫scatter圖時會用到
    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}
    #####################################################################
    # 再畫scatter
    # 將每一組箱線圖統(tǒng)計的所有點繪制在圖上
    # spotx是每一組箱線圖所有的點的橫坐標
    spotx = []
    for j_spotx, k_spotx in zip(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('甲乙丙各班語文/數學/英語成績Box_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分數/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(title='學科', 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()

輸出結果如下：
Python Matplotlib數據可視化繪圖之（二）————箱線圖

注意：如果想保存這種畫布帶背景顏色且軸域也帶背景顏色的圖片（在此圖中，畫布[fig]背景顏色為#B0C4DE，軸域[ax]背景顏色為white），需要使用以下語句保存到本地，具體語句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name為給圖片命的名字

五、總結

以上就是今天要講的內容，本文詳細介紹了各種箱線圖的繪制過程和方法，并用實例給大家演示了具體的實現(xiàn)代碼和實現(xiàn)邏輯，希望對大家學習畫箱線圖有幫助。最后我提出以下幾個問題：
(1)為什么我不直接在ax.boxplot()函數中直接用labels這個參數生成legend，反而要利用ax.scatter()函數中的label參數生成legend？
(2)還有什么方法能夠生成箱線圖的圖例？
(3)箱線圖的圖例生成方法和柱狀圖、折線圖、餅圖、直方圖、散點圖等圖的圖例生成方法有什么不同之處或特別之處？
這些將在后面將要寫的一篇博文名為《Python Matplotlib數據可視化繪圖之（五）————箱線圖與散點圖的疊加圖》的文章中詳細講解文章來源地址http://www.zghlxwxcb.cn/news/detail-453993.html

到了這里，關于Python Matplotlib數據可視化繪圖之（二）————箱線圖的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！

本文來自互聯(lián)網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如若轉載，請注明出處：如若內容造成侵權/違法違規(guī)/事實不符，請點擊違法舉報進行投訴反饋，一經查實，立即刪除！

分享到：

領支付寶紅包贊助服務器費用

【100天精通Python】Day65：Python可視化_Matplotlib3D繪圖mplot3d，繪制3D散點圖、3D線圖和3D條形圖，示例+代碼
??mpl_toolkits.mplot3d 是 Matplotlib 庫中的一個子模塊，用于繪制和可視化三維圖形，包括三維散點圖、曲面圖、線圖等。它提供了豐富的功能來創(chuàng)建和定制三維圖形。以下是 mpl_toolkits.mplot3d 的主要功能和功能簡介： 3D 散點圖：通過 scatter 函數，你可以繪制三維散點圖，用于顯示
2024年02月07日
瀏覽(30)
Python數據可視化庫Matplotlib繪圖學習（二維）&數學建模
如果沒有出現(xiàn)錯誤，就說明安裝成功。一元二次函數圖像：運行效果：解釋： as：重命名，將長串的函數庫改一個容易書寫的名字 range函數：生成范圍內所有的數字列表推導式：列表推導式（List Comprehension）是一種簡潔地創(chuàng)建新列表的方法，它可以基于現(xiàn)有的列表、集合
2024年02月07日
瀏覽(19)
【Python數據可視化】matplotlib之繪制常用圖形：折線圖、柱狀圖（條形圖）、餅圖和直方圖
文章傳送門 Python 數據可視化 matplotlib之繪制常用圖形：折線圖、柱狀圖（條形圖）、餅圖和直方圖 matplotlib之設置坐標：添加坐標軸名字、設置坐標范圍、設置主次刻度、坐標軸文字旋轉并標出坐標值 matplotlib之增加圖形內容：設置圖例、設置中文標題、設置網格效果 matplo
2024年01月16日
瀏覽(31)
python氣象數據可視化學習筆記8——利用matplotlib和ERA5數據繪制時間-高度氣象綜合廓線圖
氣象預報業(yè)務中，有種常用的綜合廓線圖，其本質上是單個站點時間-高度的等高線或者填色圖，其中時間是從右到左來看。所以準備好(time, level)的二維數據，然后依次疊加線條和填色就可以，思路很簡單，但是繪圖中涉及到了很多細節(jié)問題，也是琢磨了一陣子，怕以后忘了
2024年02月05日
瀏覽(27)
Python 科研繪圖可視化（后處理）Matplotlib - RGBAxes
科研可視化是將數據和信息轉化為可視化形式的過程，旨在通過圖形化展示數據和信息，使得科研工作者能夠更好地理解和分析數據，并從中發(fā)現(xiàn)新的知識和洞見。科研可視化可以應用于各種領域，如生物學、物理學、計算機科學等，幫助科研工作者更好地理解和解釋數據
2024年02月02日
瀏覽(30)
Python Matplotlib數據可視化繪圖之（六）————圖片大小、顏色、標題、縱橫坐標、畫布和繪圖區(qū)域背景顏色、Legend(圖例)等的參數設置詳解
前面五期的文章詳細講述了Python Matplotlib數據可視化繪圖的方法技巧，主要涉及柱狀圖（《Python Matplotlib數據可視化繪圖之（一）————柱狀圖》）、箱線圖（《Python Matplotlib數據可視化繪圖之（二）————箱線圖》）、散點圖（《Python Matplotlib數據可視化繪圖之（三）—
2024年02月06日
瀏覽(34)
【AI可視化---04】點亮數據之旅：發(fā)現(xiàn)Matplotlib的奇幻繪圖世界！用Python揮灑數據音符的創(chuàng)意樂章——這四篇就夠了！
? 晴川歷歷漢陽樹，芳草萋萋鸚鵡洲。日暮鄉(xiāng)關何處是，煙波江上使人愁。 ? ? ??作者主頁：追光者♂?? ???????? ??個人簡介： ? ??[1] 計算機專業(yè)碩士研究生?? ? ??[2] 2022年度博客之星人工智能領域TOP4?? ? ??[3] 阿里云社區(qū)特邀專家博主?? ? ??[4] CSDN-人工智能
2024年02月15日
瀏覽(22)
100天精通Python（可視化篇）——第78天：matplotlib繪圖模塊基礎入門大全
2024年01月11日
瀏覽(24)
【100天精通Python】Day64：Python可視化_Matplotlib繪制誤差線圖、填充圖、堆疊面積圖，示例+代碼
????????誤差線圖用于可視化一個或多個數據集的測量值及其相關誤差或不確定性。每個數據點可能有不同的誤差范圍，這些誤差可以表示為上下誤差條、對稱誤差、非對稱誤差等。通常，誤差線圖用于比較多個實驗條件或數據源之間的差異。（1）?上下誤差條（Vertica
2024年02月07日
瀏覽(29)
Python-Python基礎綜合案例：數據可視化 - 折線圖可視化
當前版本號[20230729]。版本修改說明 20230729 初版效果一：2020年印美日新冠累計確診人數 ? 2020年是新冠疫情爆發(fā)的一年, 隨著疫情的爆發(fā), 國內外確診人數成了大家關心的熱點, 相信大家都有看過類似的疫情報告. 本案例對印度美國日本三個國家確診人數的進行了可視化處理
2024年02月15日
瀏覽(34)

<b id="p06td"></b>