Python_箱型图绘制与特征值获取

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

 import matplotlib.pyplot as plt
 from matplotlib.font_manager import FontProperties
 import numpy as np
 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'

 def DrawMultBoxPic(input_dict,Y_label):
     dict_list_length = []
     for item in input_dict:
         temp_length = len(input_dict[item])
         dict_list_length.append(temp_length)
     # 获取最长列表长度
     max_length = max(dict_list_length)
     # 每个列表在后面追加None
     for item in input_dict:
         diff_length = max_length - len(input_dict[item])
         if diff_length > 0:
             for i in range(diff_length):
                 input_dict[item].append(None)
         # else:
             # print('{}文件列表长度最长'.format(item))
     # 绘制箱型图
     zhfont = FontProperties(fname='C:/Windows/Fonts/simsun.ttc', size=16)
     data = pd.DataFrame.from_dict(input_dict)
     data.boxplot(widths=0.3,figsize=(30,15),fontsize=16)
     plt.xlabel(u'煤质文件名称', fontproperties=zhfont)
     plt.ylabel(Y_label, fontproperties=zhfont)
     plt.title(Y_label, fontproperties=zhfont)
     # plt.axis([0, 6, 0, 90])
     plt.grid(axis='y', ls='--', lw=2, color='gray', alpha=0.4)
     plt.grid(axis='x', ls='--', lw=2, color='gray', alpha=0.4)
     imgname = 'E:\\' + Y_label + '.png'
     plt.savefig(imgname, bbox_inches = 'tight')
     # plt.show()

结果显示

如何获取箱型图特征

 """
 【函数说明】获取箱体图特征
 【输入】 input_list 输入数据列表
 【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
 【版本】 V1.0.0
 【日期】 2019 10 16
 """
 def BoxFeature(input_list):
     # 获取箱体图特征
     percentile = np.percentile(input_list, (25, 50, 75), interpolation='linear')
     #以下为箱线图的五个特征值
     Q1 = percentile[0]#上四分位数
     Q2 = percentile[1]
     Q3 = percentile[2]#下四分位数
     IQR = Q3 - Q1#四分位距
     ulim = Q3 + 1.5*IQR#上限 非异常范围内的最大值
     llim = Q1 - 1.5*IQR#下限 非异常范围内的最小值
     # llim = 0 if llim < 0 else llim
     # out_list = [llim,Q1,Q2,Q3,ulim]
     # 统计异常点个数
     # 正常数据列表
     right_list = []
     Error_Point_num = 0
     value_total = 0
     average_num = 0
     for item in input_list:
         if item < llim or item > ulim:
             Error_Point_num += 1
         else:
             right_list.append(item)
             value_total += item
             average_num += 1
     average_value =  value_total/average_num
     # 特征值保留一位小数
     out_list = [average_value,min(right_list), Q1, Q2, Q3, max(right_list)]
     # print(out_list)
     out_list = Save1point(out_list)
     return out_list,Error_Point_num