EN Box Plot er også kjent som Whisker plot er opprettet for å vise sammendraget av settet med dataverdier som har egenskaper som minimum, første kvartil, median, tredje kvartil og maksimum. I boksplotten lages det en boks fra første kvartil til tredje kvartil, en vertikal linje er også der som går gjennom boksen ved medianen. Her angir x-aksen dataene som skal plottes mens y-aksen viser frekvensfordelingen.
Opprette boksplott
Matplotlib.pyplot-modulen til matplotlib-biblioteket gir boxplot()-funksjonen ved hjelp av hvilken vi kan lage boksplott.
Syntaks:
matplotlib.pyplot.boxplot(data, notch=Ingen, vert=Ingen, patch_artist=Ingen, bredder=Ingen)
Parametere:
| Egenskap | Verdi |
|---|---|
| data | array eller sekvens av array som skal plottes |
| hakk | valgfri parameter godtar boolske verdier |
| Grønn | valgfri parameter aksepterer boolske verdier false og true for henholdsvis horisontal og vertikal plot |
| Støvelhempe | valgfri parameter aksepterer int spesifiserer intervaller rundt hakkede boksplott |
| brukermedianer | valgfri parameter aksepterer matrise eller sekvens av matrisedimensjon som er kompatibel med data |
| stillinger | valgfri parameter aksepterer array og setter plasseringen av bokser |
| bredder | valgfri parameter godtar array og setter bredden på boksene |
| patch_artist | valgfri parameter som har boolske verdier |
| etiketter | sekvens av strenger setter etikett for hvert datasett |
| middellinje | valgfritt med boolsk verdi prøv å gjengi middellinje som full bredde på boksen |
| rekkefølge | valgfri parameter angir rekkefølgen på boksplotten |
Dataverdiene gitt til ax.boxplot()-metoden kan være en Numpy-matrise eller Python-liste eller Tuple of arrays. La oss lage boksplottene ved å bruke numpy.random.normal() for å lage noen tilfeldige data, det tar gjennomsnitt, standardavvik og ønsket antall verdier som argumenter.
Eksempel:
Python3
# 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()> |
binært tre vs binært søketre
>
>
Produksjon:
Tilpasse boksplott
Matplotlib.pyplot.boxplot() gir uendelige tilpasningsmuligheter til boksplotten. Attributten Notch = True lager hakkformatet til boksplotten, patch_artist = True fyller boksplotten med farger, vi kan sette forskjellige farger til forskjellige bokser. Attributten vert = 0 lager horisontal boksplott. etiketter har samme dimensjoner som talldatasettene.
Eksempel 1:
Python3
# 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-array til listen
>
Produksjon:
Eksempel 2: La oss prøve å endre plottet ovenfor med noen av tilpasningene:
Python3
kajal aggarwal
# 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()> |
>
>
Produksjon:
