【数据科学】四分位准则及绘制箱线图

绘制箱线图一般有两种方法： 1.pandas方法：

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("26_finaldata_lowfreq_magn.csv") feature_names = ["average"] feature_data = {} for f in feature_names: feature_data[f] = df[f] data = pd.DataFrame(feature_data) data.plot.box(title="Average value of electromagnetic acquisition data of platform 26") plt.show()

2.matplotlib.pyplot方法：

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("26_finaldata_lowfreq_magn.csv") plt.boxplot(x=df["average"], patch_artist=True, # 是否要自定义颜色 showmeans=False, # 是否显示均值点 boxprops={"color": "black", "facecolor": "c"}, # 箱体的颜色属性，color:边框色，facecolor:填充色 flierprops={"marker": 'o', "markerfacecolor": "darkorange", "color": "black", "alpha": 0.8}, # 异常值的颜色属性，color:轮廓颜色，marker:标记形状，markerfacecolor:填充色 medianprops={"linestyle": "--", "color": "black"}) # 中位线颜色属性，linestyle:线型，color:线的颜色 plt.show()

通常我们可以通过四分位来检测异常值： 通过上图我们视在上下限之外的数据为异常值。至于上四分位数、中位数、下四分位数，通过python的pandas的用法就能得出，无需自己计算:

import pandas as pd import matplotlib.pyplot as plt num = [1, 2, 3, 4, 5, 6, 7, 8] print(pd.DataFrame(num).describe()) 0 count 8.00000 mean 4.50000 std 2.44949 min 1.00000 25% 2.75000 50% 4.50000 75% 6.25000 max 8.00000

25%、50%、75%分别对应上四分位数、中位数和下四分位数，通过公式我们计算得到上四分位数的位置为6.75,也就是在数字6和7之间，但是num列表中根本不存在位置为6.75的值，这时需要按照占比来重新计算，我们认为在6和7之间数据都是均匀分布的，而6.75这个位置占左边6的75%，占右边7的25%，所以6 * 0.75+7 * 0.25=6.25，至于下四分位数同理，通过公式计算得到下四分位数的位置为2.25，即在数字2和3之间，但是由于列表中不存在2.25的位置，所以经过重新计算，2.25这个位置占左边2的25%，占右边3的75%，2 * 0.25+3 * 0.75=2.75。