matplotlib学习日记(六)-箱线图

(一)箱线图---由一个箱体和一对箱须组成,箱体是由第一个四分位数,中位数和第三四分位数组成,箱须末端之外的数值是离散群,主要应用在一系列测量和观测数据的比较场景

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams["font.sans-serif"] = ["FangSong"]
mpl.rcParams["axes.unicode_minus"] = False
‘‘‘
中文字体的配置,见中文标题和x轴上的刻度标签
后一句是放弃unicode_minus
‘‘‘
testA = np.random.randn(5000)
testB = np.random.randn(5000)

testList = [testA, testB]
labels = ["随机数生成器AlphaRM", "随机数生成器BetaRM"]
colors = ["#1b9e77", "#d95f02"]
whis = 1.6
width = 0.35

bplot = plt.boxplot(testList, whis=whis, widths=width,
                    sym="o", labels=labels, patch_artist=True)
‘‘‘
testList------>箱体输入数据
whis------->四分位间距的倍数,用来箱须包含数据的范围的大小,越大,箱须范围越大,离散群越小
width------>箱体的宽度
sym------>绘制每一个数据集的刻度标签
patch_artist-------->是否给箱体添加颜色,只有这个参数为true,才有后面的操作另notch--------->控制两个箱体间有没有凹Vvert------->水平方向showfliters------>离散群的显示设置
‘‘‘
for patch, color in zip(bplot["boxes"], colors):
    patch.set_facecolor(color)
‘‘‘
对箱体的返回值进行操作,返回值是一个字典数据结构,要给箱体添加颜色,
所以使用关键字boxes来调出键值bplot["boxes"].最后使用zip生成元组列表,
使用for循环对每一个箱体进行颜色填充
‘‘‘
plt.ylabel("随机数生成器")
plt.title("生成器抗干扰能力的稳定性比较")
plt.grid(axis="y", ls=":", lw=1, color="gray", alpha=.4)
plt.show()

(二)水平方向的箱线图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams["font.sans-serif"] = ["FangSong"]
mpl.rcParams["axes.unicode_minus"] = False
x = np.random.randn(1000)

plt.boxplot(x, vert=False)
plt.xlabel("随机数值")
plt.yticks([1], ["随机数生成器AlphaRM"], rotation=90)
#rotation------>标签旋转度数
plt.title("随机数生成器抗干扰能力的稳定性")
plt.grid(axis="x", ls=":", lw=1, color="gray", alpha=.4)
plt.show()

原文地址:https://www.cnblogs.com/ai-bingjie/p/11072185.html

时间: 2024-07-31 20:41:25

matplotlib学习日记(六)-箱线图的相关文章

python3绘图示例4(基于matplotlib:箱线图、散点图等)

#!/usr/bin/env python# -*- coding:utf-8 -*- from matplotlib.pyplot import * x=[1,2,3,4]y=[5,4,3,2] # 创建新图标figure() # 对角线图 第1个参数:2行 第2个参数:3列的网格 第3个参数:图形在网格的位置subplot(231)plot(x,y) # 垂直柱状图subplot(232)bar(x,y) # 水平柱状图subplot(233)barh(x,y) # 堆叠柱状图-颜色间隔su

pyhton中matplotlib箱线图的绘制(matplotlib双轴图、箱线图、散点图以及相关系数矩阵图))

//2019.07.23 1.箱形图,又称为盒式图,一般可以很好地反映出数据分布的特征,也可以进行多项数据之间分布特征的比较,它主要包含五个基础数据:中位数,两个上下分位数以及上下边缘线数据 其中的一些参数具体含义及其计算过程如下: 2.双轴图的绘制代码:import numpy as npimport matplotlib.pyplot as pltimport pandas as pdplt.rcParams["font.sans-serif"]=["SimHei&quo

pandas 生成并排放置的条形图和箱线图

1.代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 生成数据,创建 DataFrame np.random.seed(27) data = np.random.rand(7, 3) index = ['Customer ' + str(i) for i in range(1, 8)] Metrics = ['Metric ' + str(i) for i in range(1, 4)] df

【数据分析&数据挖掘】2000-2017年各个产业生产总值箱线图

1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 5 # 构建数据 6 def build_data(): 7 res = np.load("./国民经济核算季度数据.npz", allow_pickle=True) 8 columns = res["columns"] 9 values = res["values"] 10 return columns, values 11 1

扩增子图表解读1箱线图:Alpha多样性

箱线图 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.在宏基因组领域,常用于展示样品组中各样品Alpha多样性的分布 第一种情况,最大或最小值没有超过1.5倍箱体范围 第二种情况,最大或最小值超过1.5倍箱体范围,外位延长线外,即异常值(outliers) Alpha多样性 知识背景:Alpha多样性计算方法 常见的丰度估计方法有Shannon, Chao1和Observed OTU和PD whole tree等.我最喜欢

扩增子统计绘图1箱线图:Alpha多样性

绘制Alpha多样性线箱图 绘图和统计全部为R语言,建议复制代码,在Rstuido中运行,并设置工作目录为存储之前分析结果文件的result目录 # 运行前,请在Rstudio中菜单栏选择“Session - Set work directory -- Choose directory”,弹窗选择之前分析目录中的result文件夹 # 安装相关软件包,如果末安装改为TRUE运行即可安装 if (FALSE){ source("https://bioconductor.org/biocLite.R

Matlab boxplot for Multiple Groups(多组数据的箱线图)

在画之前首先介绍一下Matlab boxplot,下面这段说明内容来自http://www.plob.org/2012/06/10/2153.html 由于matlab具有强大的计算功能,用其统计数据功能优点显而易见,这里分享使用matlab中的boxplot的一些技巧,供大家参考. Matlab boxplot命令 格式如下 boxplot(X):产生矩阵X的每一列的盒图和“须”图,“须”是从盒的尾部延伸出来,并表示盒外数据长度的线,如果“须”的外面没有数据,则在“须”的底部有一个点. www

【数据分析&数据挖掘】异常值的判断与去除——3σ & 箱线图分析

1 import pandas as pd 2 3 # 异常值 ——远离正常值范围的错误值 4 # 异常值 ——删掉 5 6 # 异常值判断 ——3σ 箱线图分析 7 8 # 3σ 接住标准正态部分得到的规律——99.73%都在(μ-3α,μ+3α)之间,超过这个范围的数据认为是异常的 9 10 def three_sigma(data): 11 """ 12 进行3sigma异常值剔除 13 :param data: 原数据——series 14 :return: bool

python可视化---箱线图boxplot()

函数功能:绘制箱线图. 调用签名:plt.boxplot(x) x:绘制箱线图的输入数据 代码实现: import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np mpl.rcParams["font.sans-serif"] = ["FangSong"] mpl.rcParams["axes.unicode_minus"] = False x = np.r