欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python_箱型图绘制与特征值获取

程序员文章站 2023-08-31 12:14:39
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 如何利用Python绘制箱型图 需要的import的包 该函数是绘制多箱型图,且数据长度不一致的情况,input_dict = {filename1:[a1,a2,...,an],filename2:[b1,b2,...,bn].. ......

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

Python_箱型图绘制与特征值获取

 如何利用python绘制箱型图

需要的import的包

1 import matplotlib.pyplot as plt
2 from matplotlib.font_manager import fontproperties
3 import numpy as np
4 import pandas as pd

该函数是绘制多箱型图,且数据长度不一致的情况,input_dict = {filename1:[a1,a2,...,an],filename2:[b1,b2,...,bn]...} y_label = 'img_name'

 1 def drawmultboxpic(input_dict,y_label):
 2     dict_list_length = []
 3     for item in input_dict:
 4         temp_length = len(input_dict[item])
 5         dict_list_length.append(temp_length)
 6     # 获取最长列表长度
 7     max_length = max(dict_list_length)
 8     # 每个列表在后面追加none
 9     for item in input_dict:
10         diff_length = max_length - len(input_dict[item])
11         if diff_length > 0:
12             for i in range(diff_length):
13                 input_dict[item].append(none)
14         # else:
15             # print('{}文件列表长度最长'.format(item))
16     # 绘制箱型图
17     zhfont = fontproperties(fname='c:/windows/fonts/simsun.ttc', size=16)
18     data = pd.dataframe.from_dict(input_dict)
19     data.boxplot(widths=0.3,figsize=(30,15),fontsize=16)
20     plt.xlabel(u'煤质文件名称', fontproperties=zhfont)
21     plt.ylabel(y_label, fontproperties=zhfont)
22     plt.title(y_label, fontproperties=zhfont)
23     # plt.axis([0, 6, 0, 90])
24     plt.grid(axis='y', ls='--', lw=2, color='gray', alpha=0.4)
25     plt.grid(axis='x', ls='--', lw=2, color='gray', alpha=0.4)
26     imgname = 'e:\\' + y_label + '.png'
27     plt.savefig(imgname, bbox_inches = 'tight')
28     # plt.show()

 结果显示

Python_箱型图绘制与特征值获取

 

 

如何获取箱型图特征

 1 """
 2 【函数说明】获取箱体图特征
 3 【输入】 input_list 输入数据列表
 4 【输出】 out_list:列表的特征[下限,q1,q2,q3,上限] 和 error_point_num:异常值数量
 5 【版本】 v1.0.0
 6 【日期】 2019 10 16
 7 """
 8 def boxfeature(input_list):
 9     # 获取箱体图特征
10     percentile = np.percentile(input_list, (25, 50, 75), interpolation='linear')
11     #以下为箱线图的五个特征值
12     q1 = percentile[0]#上四分位数
13     q2 = percentile[1]
14     q3 = percentile[2]#下四分位数
15     iqr = q3 - q1#四分位距
16     ulim = q3 + 1.5*iqr#上限 非异常范围内的最大值
17     llim = q1 - 1.5*iqr#下限 非异常范围内的最小值
18     # llim = 0 if llim < 0 else llim
19     # out_list = [llim,q1,q2,q3,ulim]
20     # 统计异常点个数
21     # 正常数据列表
22     right_list = []
23     error_point_num = 0
24     value_total = 0
25     average_num = 0
26     for item in input_list:
27         if item < llim or item > ulim:
28             error_point_num += 1
29         else:
30             right_list.append(item)
31             value_total += item
32             average_num += 1
33     average_value =  value_total/average_num
34     # 特征值保留一位小数
35     out_list = [average_value,min(right_list), q1, q2, q3, max(right_list)]
36     # print(out_list)
37     out_list = save1point(out_list)
38     return out_list,error_point_num