python dataframe 箱型图最大值最小值中位数

原创

mob64ca12d59fe5 2023-08-29 09:50:17 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12d59fe5的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python DataFrame 箱型图：最大值、最小值、中位数

引言

在数据分析和统计学中，箱型图（Box Plot）是一种用于展示数据分布情况的图表。通过箱型图，我们可以直观地了解数据的最大值、最小值、中位数以及上下四分位数等统计指标。Python中的pandas库提供了DataFrame对象，方便我们进行数据处理和可视化分析。本文将介绍如何使用pandas库绘制DataFrame的箱型图，并解读箱型图中的统计指标。

环境准备

在开始之前，我们需要先安装pandas库，并导入所需的模块。

import pandas as pd
import matplotlib.pyplot as plt

数据准备

我们随机生成一个包含多个数值列的DataFrame，用于演示箱型图的绘制和解读。

import numpy as np

# 随机生成100个服从正态分布的数值
np.random.seed(1)
data = pd.DataFrame(np.random.randn(100, 4), columns=['A', 'B', 'C', 'D'])

绘制箱型图

使用pandas库的boxplot()函数可以轻松绘制DataFrame的箱型图。

data.boxplot()
plt.show()

上述代码会生成一个包含多个箱型图的图表，每个箱型图对应DataFrame中的一列数据。箱型图中的每个矩形箱代表数据的四分位数范围（上下四分位数），箱中的水平线代表中位数，箱外的线段代表了数据的最大值和最小值。

箱型图解读

通过观察箱型图，我们可以得到以下统计指标：

最大值（Max）：箱外的最大值点代表数据的最大值。
最小值（Min）：箱外的最小值点代表数据的最小值。
中位数（Median）：箱中的水平线代表数据的中位数，即将数据从小到大排序后，位于中间位置的值。
上四分位数（Q3）：箱子上沿与箱中线的交点代表数据的上四分位数，即将数据从小到大排序后，位于前75%位置的值。
下四分位数（Q1）：箱子下沿与箱中线的交点代表数据的下四分位数，即将数据从小到大排序后，位于前25%位置的值。

除了上述指标，箱型图还可以通过观察箱子的高度和上下四分位数之间的距离来了解数据的分布情况。例如，箱子较高而上下四分位数之间的距离较小，可能表示数据集中且不太分散；相反，箱子较低而上下四分位数之间的距离较大，可能表示数据集分散且存在离群值。

示例分析

现在，让我们使用一个更具体的示例来分析箱型图。

# 生成两个服从不同分布的数据列
np.random.seed(1)
data['A'] = np.random.randn(100)
data['B'] = np.random.randint(0, 100, size=100)

# 绘制箱型图
data.boxplot()
plt.show()

上述代码生成了一个包含两列数据的DataFrame，并绘制了对应的箱型图。其中，列'A'的数据服从正态分布，而列'B'的数据是随机生成的整数。

从箱型图中我们可以得到以下结论：