matplotlib
Boxplots

Boxplot-Funktion

Matplotlib hat eine eigene Implementierung von Boxplot . Der relevante Aspekt dieser Funktion ist, dass das Boxplot standardmäßig den Median (Perzentil 50%) mit einer roten Linie anzeigt. Das Kästchen steht für Q1 und Q3 (Perzentile 25 und 75), und die Whisker geben eine Vorstellung von dem Bereich der Daten (möglicherweise bei Q1 - 1,5 IQR; Q3 + 1,5 IQR; IQR ist der Interquartilbereich, aber dies hat keine Bestätigung). Beachten Sie auch, dass Proben außerhalb dieses Bereichs als Marker angezeigt werden (diese werden Flieger genannt).

HINWEIS: Nicht alle Implementierungen von Boxplot folgen den gleichen Regeln. Möglicherweise verwendet das allgemeinste Boxplot-Diagramm die Whisker, um das Minimum und das Maximum darzustellen (wodurch Flieger nicht existieren). Beachten Sie auch, dass dieses Diagramm manchmal als Box-Whisker-Diagramm und Box-Whisker- Diagramm bezeichnet wird .

Das folgende Rezept zeigt einige der Möglichkeiten, die Sie mit der aktuellen Matplotlib-Implementierung von Boxplot machen können:

import matplotlib.pyplot as plt
import numpy as np

X1 = np.random.normal(0, 1, 500)
X2 = np.random.normal(0.3, 1, 500)

# The most simple boxplot
plt.boxplot(X1)
plt.show()

# Changing some of its features
plt.boxplot(X1, notch=True, sym="o") # Use sym="" to shown no fliers; also showfliers=False
plt.show()

# Showing multiple boxplots on the same window
plt.boxplot((X1, X2), notch=True, sym="o", labels=["Set 1", "Set 2"])
plt.show()

# Hidding features of the boxplot
plt.boxplot(X2, notch=False, showfliers=False, showbox=False, showcaps=False, positions=[4], labels=["Set 2"])
plt.show()

# Advanced customization of the boxplot
line_props = dict(color="r", alpha=0.3)
bbox_props = dict(color="g", alpha=0.9, linestyle="dashdot")
flier_props = dict(marker="o", markersize=17)
plt.boxplot(X1, notch=True, whiskerprops=line_props, boxprops=bbox_props, flierprops=flier_props)
plt.show()

Dies führt zu folgenden Darstellungen:

1. Standard-Matplotlib-Boxplot

2. Einige Funktionen des Boxplots mit Funktionsargumenten ändern

3. Mehrere Boxplots im selben Plotfenster

4. Einige Funktionen des Boxplots verstecken

5. Erweiterte Anpassung eines Boxplots mit Requisiten

Wenn Sie beabsichtigen , eine erweiterte Anpassung Ihrer boxplot zu tun , sollten Sie wissen , dass die Requisiten Wörterbücher , die Sie (zum Beispiel) bauen:

line_props = dict(color="r", alpha=0.3)
bbox_props = dict(color="g", alpha=0.9, linestyle="dashdot")
flier_props = dict(marker="o", markersize=17)
plt.boxplot(X1, notch=True, whiskerprops=line_props, boxprops=bbox_props, flierprops=flier_props)
plt.show()

... beziehen sich meistens (wenn nicht alle) auf Line2D- Objekte. Das bedeutet, dass nur die in dieser Klasse verfügbaren Argumente geändert werden können. Sie werden feststellen, dass Schlüsselwörter wie whiskerprops , boxprops , flierprops und capprops . Dies sind die Elemente, die Sie benötigen, um ein Props-Wörterbuch bereitzustellen, um es weiter anzupassen.

HINWEIS: Eine weitere Anpassung des Boxplots mit dieser Implementierung kann sich als schwierig erweisen. In einigen Fällen kann die Verwendung anderer Matplotlib-Elemente wie Patches zum Erstellen eines eigenen Boxplots von Vorteil sein (z. B. erhebliche Änderungen am Boxelement).