注意

转到末尾下载完整示例代码。

箱线图的独立计算与绘制#

为给定数据集绘制箱线图包含两个主要操作，它们也可以单独使用：

  1. 计算箱线图统计数据：matplotlib.cbook.boxplot_stats

  2. 绘制箱线图：matplotlib.axes.Axes.bxp

因此，ax.boxplot(data)等效于

stats = cbook.boxplot_stats(data)
ax.bxp(stats)

boxplot和bxp之间的所有样式关键字参数是相同的，并且它们从boxplot传递给bxp。然而，boxplot的 tick_labels 参数在boxplot_stats中转换为一个通用的 labels 参数，因为这些标签与数据相关，并附加到返回的每个数据集字典中。

以下代码演示了这两种方法之间的等效性。

import matplotlib.pyplot as plt
import numpy as np

from matplotlib import cbook

np.random.seed(19680801)
data = np.random.randn(20, 3)

fig, (ax1, ax2) = plt.subplots(1, 2)

# single boxplot call
ax1.boxplot(data, tick_labels=['A', 'B', 'C'],
            patch_artist=True, boxprops={'facecolor': 'bisque'})

# separate calculation of statistics and plotting
stats = cbook.boxplot_stats(data, labels=['A', 'B', 'C'])
ax2.bxp(stats, patch_artist=True, boxprops={'facecolor': 'bisque'})
bxp

使用这些独立函数可以预先计算统计数据，以防您出于其他目的明确需要它们，或者需要将这些统计数据用于多个图表。

反之，如果您已经拥有统计参数，也可以直接使用bxp函数。

fig, ax = plt.subplots()

stats = [
    dict(med=0, q1=-1, q3=1, whislo=-2, whishi=2, fliers=[-4, -3, 3, 4], label='A'),
    dict(med=0, q1=-2, q3=2, whislo=-3, whishi=3, fliers=[], label='B'),
    dict(med=0, q1=-3, q3=3, whislo=-4, whishi=4, fliers=[], label='C'),
]

ax.bxp(stats, patch_artist=True, boxprops={'facecolor': 'bisque'})

plt.show()
bxp

标签：绘图类型：专业 领域：统计

参考

本示例展示了以下函数、方法、类和模块的使用

由 Sphinx-Gallery 生成的画廊