A Box Plot är också känd som Morrhår tomt skapas för att visa sammanfattningen av uppsättningen datavärden som har egenskaper som minimum, första kvartil, median, tredje kvartil och maximum. I boxplotten skapas en ruta från första kvartilen till tredje kvartilen, en vertikal linje finns också där som går genom boxen vid medianen. Här betecknar x-axeln de data som ska plottas medan y-axeln visar frekvensfördelningen.
Skapa Box Plot
Matplotlib.pyplot-modulen i matplotlib-biblioteket tillhandahåller boxplot()-funktion med hjälp av vilken vi kan skapa boxplots.
Syntax:
matplotlib.pyplot.boxplot(data, notch=Ingen, vert=Ingen, patch_artist=Ingen, widths=Ingen)
Parametrar:
| Attribut | Värde |
|---|---|
| data | array eller sekvens av array som ska plottas |
| hack | valfri parameter accepterar booleska värden |
| Grön | optional parameter accepterar booleska värden false och true för horisontell respektive vertikal plot |
| bootstrap | valfri parameter accepterar int specificerar intervall runt skårade boxplots |
| användarmedianer | valfri parameter accepterar array eller sekvens av arraydimension som är kompatibel med data |
| positioner | valfri parameter accepterar array och ställer in boxarnas position |
| bredder | valfri parameter accepterar array och ställer in bredden på rutor |
| patch_artist | valfri parameter med booleska värden |
| etiketter | sekvens av strängar sätter etikett för varje datamängd |
| medellinje | valfritt med booleskt värde försök att återge medellinjen som full bredd på rutan |
| beställa | valfri parameter ställer in ordningen på boxplotten |
Datavärdena som ges till metoden ax.boxplot() kan vara en Numpy-array eller Python-lista eller Tuple of arrays. Låt oss skapa boxplotten genom att använda numpy.random.normal() för att skapa några slumpmässiga data, det tar medelvärde, standardavvikelse och önskat antal värden som argument.
Exempel:
tostring-metoden i java
Python3
csv-fil läsning i java
# Import libraries> import> matplotlib.pyplot as plt> import> numpy as np> # Creating dataset> np.random.seed(>10>)> data>=> np.random.normal(>100>,>20>,>200>)> fig>=> plt.figure(figsize>=>(>10>,>7>))> # Creating plot> plt.boxplot(data)> # show plot> plt.show()> |
>
>
Produktion:
Anpassa Box Plot
Matplotlib.pyplot.boxplot() ger oändliga anpassningsmöjligheter till boxplotten. Attributet Notch = True skapar notch-formatet till boxplotten, patch_artist = True fyller boxplotten med färger, vi kan ställa in olika färger på olika rutor. Attributet vert = 0 skapar horisontell boxplot. Etiketter har samma dimensioner som nummerdatauppsättningarna.
Exempel 1:
Python3
zeenat aman skådespelare
# Import libraries> import> matplotlib.pyplot as plt> import> numpy as np> # Creating dataset> np.random.seed(>10>)> data_1>=> np.random.normal(>100>,>10>,>200>)> data_2>=> np.random.normal(>90>,>20>,>200>)> data_3>=> np.random.normal(>80>,>30>,>200>)> data_4>=> np.random.normal(>70>,>40>,>200>)> data>=> [data_1, data_2, data_3, data_4]> fig>=> plt.figure(figsize>=>(>10>,>7>))> # Creating axes instance> ax>=> fig.add_axes([>0>,>0>,>1>,>1>])> # Creating plot> bp>=> ax.boxplot(data)> # show plot> plt.show()> |
java sträng klass
>
>
Produktion:
Exempel 2: Låt oss försöka modifiera ovanstående plot med några av anpassningarna:
Python3
repl i java
# Import libraries> import> matplotlib.pyplot as plt> import> numpy as np> # Creating dataset> np.random.seed(>10>)> data_1>=> np.random.normal(>100>,>10>,>200>)> data_2>=> np.random.normal(>90>,>20>,>200>)> data_3>=> np.random.normal(>80>,>30>,>200>)> data_4>=> np.random.normal(>70>,>40>,>200>)> data>=> [data_1, data_2, data_3, data_4]> fig>=> plt.figure(figsize>=>(>10>,>7>))> ax>=> fig.add_subplot(>111>)> # Creating axes instance> bp>=> ax.boxplot(data, patch_artist>=> True>,> >notch>=>'True'>, vert>=> 0>)> colors>=> [>'#0000FF'>,>'#00FF00'>,> >'#FFFF00'>,>'#FF00FF'>]> for> patch, color>in> zip>(bp[>'boxes'>], colors):> >patch.set_facecolor(color)> # changing color and linewidth of> # whiskers> for> whisker>in> bp[>'whiskers'>]:> >whisker.>set>(color>=>'#8B008B'>,> >linewidth>=> 1.5>,> >linestyle>=>':'>)> # changing color and linewidth of> # caps> for> cap>in> bp[>'caps'>]:> >cap.>set>(color>=>'#8B008B'>,> >linewidth>=> 2>)> # changing color and linewidth of> # medians> for> median>in> bp[>'medians'>]:> >median.>set>(color>=>'red'>,> >linewidth>=> 3>)> # changing style of fliers> for> flier>in> bp[>'fliers'>]:> >flier.>set>(marker>=>'D'>,> >color>=>'#e7298a'>,> >alpha>=> 0.5>)> > # x-axis labels> ax.set_yticklabels([>'data_1'>,>'data_2'>,> >'data_3'>,>'data_4'>])> # Adding title> plt.title(>'Customized box plot'>)> # Removing top axes and right axes> # ticks> ax.get_xaxis().tick_bottom()> ax.get_yaxis().tick_left()> > # show plot> plt.show()> |
>
>
Produktion:
