【箱型图】

【箱型图】箱形图 Box plot 又称为盒须图 盒式图或箱线图 是一种用作显示一组数据分散情况资料的统计图 因形状如箱子而得名 在各种领域也经常被使用 常见于品质管理 它主要用于反映原始数据分布的特征 还可以进行多组数据分布特征的比 较 箱线图的绘制方法是 先找出一组数据的上边缘 下边缘

大家好,我是讯享网,很高兴认识大家。

箱形图(Box-plot)又称为盒须图、盒式图或箱线图,是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用,常见于品质管理。它主要用于反映原始数据分布的特征,还可以进行多组数据分布特征的比 较。箱线图的绘制方法是:先找出一组数据的上边缘、下边缘、中位数和两个四分位数;然后, 连接两个四分位数画出箱体;再将上边缘和下边缘与箱体相连接,中位数在箱体中间。

1.箱型图代码

代码如下(示例):

# 箱型图(箱型图代码拿走不谢) import pandas as pd import matplotlib.pyplot as plt data = pd.read_excel('D:\数据挖掘\财务项目\缺失值填补2.xlsx', ) data=data.iloc[5000:7000,:] print('输出数据的维度:', data.shape) # 数据集的描述 print(data.describe()) # count:数量统计,此列共有多少有效值 unipue:不同的值有多少个 std:标准差 min:最小值 25%:四分之一分位数 50%:二分之一分位数 75%:四分之三分位数 max:最大值 mean:均值 # 数据集数据 print('输出前n项数据(默认前5项):') print(data.head(n=5)) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 df = pd.DataFrame(data) df.plot.box(title="负债合计") plt.grid(linestyle="--") plt.show() 

讯享网

2.改进版

代码如下(示例):

讯享网# 箱型图 import pandas as pd import matplotlib.pyplot as plt data = pd.read_excel('D:\数据挖掘\财务项目\缺失值填补2.xlsx') data=data.iloc[5000:7000,:] print('输出数据的维度:', data.shape) # 数据集的描述 print(data.describe()) # count:数量统计,此列共有多少有效值 unipue:不同的值有多少个 std:标准差 min:最小值 25%:四分之一分位数 50%:二分之一分位数 75%:四分之三分位数 max:最大值 mean:均值 # 数据集数据 print('输出前n项数据(默认前5项):') print(data.head(n=5)) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 df = pd.DataFrame(data) plt.figure() # 建立图像 data = pd.DataFrame(data, dtype=float) #data=data/10np.ceil(np.log10(data.abs().max()))#规范化 p = data.boxplot(return_type='dict') # 画箱线图,直接使用DataFrame的方法 x = p['fliers'][0].get_xdata() # 'flier即为异常值的标签-get_xdata() y = p['fliers'][0].get_ydata() y.sort() '''用annotate添加注释,其中相近的点,注释会出现重叠,难以看清,需要一些技巧来控制,以下参数都是经过调试的,需要具体问题具体分析''' for i in range(len(x)): if i > 0: plt.annotate(y[i], xy=(x[i], y[i]), xytext=(x[i] + 0.05 - 0.8 / (y[i] - y[i - 1]), y[i])) else: plt.annotate(y[i], xy=(x[i], y[i]), xytext=(x[i] + 0.08, y[i])) plt.show()#展示箱型图 


讯享网

 

这组数据显示出:

  • 最小值(minimum)=5
  • 下四分位数(Q1)=70
  • 中位数(Med--也就是Q2)=80
  • 上四分位数(Q3)=90
  • 最大值(maximum)=99

  • 平均值=80
  • 四分位间距(interquartile range)={\displaystyle Q3-Q1}=2 (即ΔQ)

在区间 Q3+1.5ΔQ, Q1-1.5ΔQ 之外的值被视为应忽略(farout)。

  • farout: 在图上不予显示,仅标注一个符号∇。
  • 最大值区间: Q3+1.5ΔQ
  • 最小值区间: Q1-1.5ΔQ

最大值与最小值产生于这个区间。区间外的值被视为异常值显示在图上.

 

总结
 

数据异常值

一批数据中的异常值值得关注,忽视异常值的存在是十分危险的,不加剔除地把异常值包括进数据的计算分析过程中,对结果会带来不良影响;重视异常值的出现,分析其产生的原因,常常成为发现问题进而改进决策的契机。箱形图为我们提供了识别异常值的一个标准:异常值被定义为小于Q1-1.5IQR或大于Q3+1.5IQR的值。虽然这种标准有点任意性,但它来源于经验判断,经验表明它在处理需要特别注意的数据方面表现不错。这与识别异常值的经典方法有些不同。众所周知,基于正态分布的3σ法则或z分数方法是以假定数据服从正态分布为前提的,但实际数据往往并不严格服从正态分布。它们判断异常值的标准是以计算数据批的均值和标准差为基础的,而均值和标准差的耐抗性极小,异常值本身会对它们产生较大影响,这样产生的异常值个数不会多于总数0.7%。显然,应用这种方法于非正态分布数据中判断异常值,其有效性是有限的。箱形图的绘制依靠实际数据,不需要事先假定数据服从特定的分布形式,没有对数据作任何限制性要求,它只是真实直观地表现数据形状的本来面貌;另一方面,箱形图判断异常值的标准以四分位数和四分位距为基础,四分位数具有一定的耐抗性,多达25%的数据可以变得任意远而不会很大地扰动四分位数,所以异常值不能对这个标准施加影响,箱形图识别异常值的结果比较客观。由此可见,箱形图在识别异常值方面有一定的优越性。


小讯
上一篇 2025-03-30 17:36
下一篇 2025-04-09 16:32

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/114311.html