小編寫(xiě)這篇文章的主要目的，主要是給大家做一個(gè)詳細(xì)的介紹，介紹的內(nèi)容是Python可視化神器，這個(gè)神器指的是pyecharts，那么，怎么樣利用這種語(yǔ)言去進(jìn)行繪制箱型圖呢？下面小編就給大家詳細(xì)解答下。

　　概念

　　后面的圖形都是一些專(zhuān)業(yè)的統(tǒng)計(jì)圖形，當(dāng)然也會(huì)是我們可視化的對(duì)象。

　　箱形圖（Box-plot）又稱(chēng)為盒須圖、盒式圖或箱線(xiàn)圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖。因形狀如箱子而得名。在各種領(lǐng)域也經(jīng)常被使用，常見(jiàn)于品質(zhì)管理。它主要用于反映原始數(shù)據(jù)分布的特征，還可以進(jìn)行多組數(shù)據(jù)分布特征的比較。箱線(xiàn)圖的繪制方法是：先找出一組數(shù)據(jù)的上邊緣、下邊緣、中位數(shù)和兩個(gè)四分位數(shù)；然后，連接兩個(gè)四分位數(shù)畫(huà)出箱體；再將上邊緣和下邊緣與箱體相連接，中位數(shù)在箱體中間。

　　用處

　　1.直觀(guān)明了地識(shí)別數(shù)據(jù)批中的異常值

　　上文講了很久的識(shí)別異常值，其實(shí)箱線(xiàn)圖判斷異常值的標(biāo)準(zhǔn)以四分位數(shù)和四分位距為基礎(chǔ)，四分位數(shù)具有一定的耐抗性，多達(dá)25%的數(shù)據(jù)可以變得任意遠(yuǎn)而不會(huì)很大地?cái)_動(dòng)四分位數(shù)，所以異常值不會(huì)影響箱形圖的數(shù)據(jù)形狀，箱線(xiàn)圖識(shí)別異常值的結(jié)果比較客觀(guān)。由此可見(jiàn)，箱線(xiàn)圖在識(shí)別異常值方面有一定的優(yōu)越性。

　　2.利用箱線(xiàn)圖判斷數(shù)據(jù)批的偏態(tài)和尾重

　　對(duì)于標(biāo)準(zhǔn)正態(tài)分布的樣本，只有極少值為異常值。異常值越多說(shuō)明尾部越重，自由度越?。醋杂勺儎?dòng)的量的個(gè)數(shù)）；

　　而偏態(tài)表示偏離程度，異常值集中在較小值一側(cè)，則分布呈左偏態(tài)；異常值集中在較大值一側(cè)，則分布呈右偏態(tài)。

　　3.利用箱線(xiàn)圖比較幾批數(shù)據(jù)的形狀

　　同一數(shù)軸上，幾批數(shù)據(jù)的箱線(xiàn)圖并行排列，幾批數(shù)據(jù)的中位數(shù)、尾長(zhǎng)、異常值、分布區(qū)間等形狀信息便昭然若揭。如上圖，可直觀(guān)得看出第三季度各分公司的銷(xiāo)售額大體都在下降。

　　箱形圖系列模板

　　第一個(gè)箱形圖

　　說(shuō)實(shí)話(huà)這類(lèi)圖形的繪制，如果不懂專(zhuān)業(yè)的知識(shí)可能也無(wú)法理解，對(duì)于如何深層次的理解這個(gè)圖形的具體含義，請(qǐng)移步到其他專(zhuān)欄，我會(huì)詳細(xì)介紹，這里就不做過(guò)多的解釋了。

　　from pyecharts import options as opts
　　from pyecharts.charts import Boxplot
　　v1=[
　　[850,740,900,1070,930,850,950,980,980,880,1000,980],
　　[960,940,960,940,880,800,850,880,900,840,830,790],
　　]
　　v2=[
　　[890,810,810,820,800,770,760,740,750,760,910,920],
　　[890,840,780,810,760,810,790,810,820,850,870,870],
　　]
　　c=Boxplot()
　　c.add_xaxis(["expr1","expr2"])
　　c.add_yaxis("A",c.prepare_data(v1))
　　c.add_yaxis("B",c.prepare_data(v2))
　　c.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"))
　　c.render("簡(jiǎn)單示例.html")
　　print(c.prepare_data(v1))

   　復(fù)雜一點(diǎn)的圖例

　　import pyecharts.options as opts
　　from pyecharts.charts import Grid,Boxplot,Scatter
　　y_data=[
　　[
　　850,
　　740,
　　900,
　　1070,
　　930,
　　850,
　　950,
　　980,
　　980,
　　880,
　　1000,
　　980,
　　930,
　　650,
　　760,
　　810,
　　1000,
　　1000,
　　960,
　　960,
　　],
　　[
　　960,
　　940,
　　960,
　　940,
　　880,
　　800,
　　850,
　　880,
　　900,
　　840,
　　830,
　　790,
　　810,
　　880,
　　880,
　　830,
　　800,
　　790,
　　760,
　　800,
　　],
　　[
　　880,
　　880,
　　880,
　　860,
　　720,
　　720,
　　620,
　　860,
　　970,
　　950,
　　880,
　　910,
　　850,
　　870,
　　840,
　　840,
　　850,
　　840,
　　840,
　　840,
　　],
　　[
　　890,
　　810,
　　810,
　　820,
　　800,
　　770,
　　760,
　　740,
　　750,
　　760,
　　910,
　　920,
　　890,
　　860,
　　880,
　　720,
　　840,
　　850,
　　850,
　　780,
　　],
　　[
　　890,
　　840,
　　780,
　　810,
　　760,
　　810,
　　790,
　　810,
　　820,
　　850,
　　870,
　　870,
　　810,
　　740,
　　810,
　　940,
　　950,
　　800,
　　810,
　　870,
　　],
　　]
　　scatter_data=[650,620,720,720,950,970]
　　box_plot=Boxplot()
　　box_plot=(
　　box_plot.add_xaxis(xaxis_data=["expr 0","expr 1","expr 2","expr 3","expr 4"])
　　.add_yaxis(series_name="",y_axis=box_plot.prepare_data(y_data))
　　.set_global_opts(
　　title_opts=opts.TitleOpts(
　　pos_left="center",title="Michelson-Morley Experiment"
　　),
　　tooltip_opts=opts.TooltipOpts(trigger="item",axis_pointer_type="shadow"),
　　xaxis_opts=opts.AxisOpts(
　　type_="category",
　　boundary_gap=True,
　　splitarea_opts=opts.SplitAreaOpts(is_show=False),
　　axislabel_opts=opts.LabelOpts(formatter="expr{value}"),
　　splitline_opts=opts.SplitLineOpts(is_show=False),
　　),
　　yaxis_opts=opts.AxisOpts(
　　type_="value",
　　name="km/s minus 299,000",
　　splitarea_opts=opts.SplitAreaOpts(
　　is_show=True,areastyle_opts=opts.AreaStyleOpts(opacity=1)
　　),
　　),
　　)
　　.set_series_opts(tooltip_opts=opts.TooltipOpts(formatter=":{c}"))
　　)
　　scatter=(
　　Scatter()
　　.add_xaxis(xaxis_data=["expr 0","expr 1","expr 2","expr 3","expr 4"])
　　.add_yaxis(series_name="",y_axis=scatter_data)
　　.set_global_opts(
　　title_opts=opts.TitleOpts(
　　pos_left="10%",
　　pos_top="90%",
　　title="upper:Q3+1.5*IQRnlower:Q1-1.5*IQR",
　　title_textstyle_opts=opts.TextStyleOpts(
　　border_color="#999",border_width=1,font_size=14
　　),
　　),
　　yaxis_opts=opts.AxisOpts(
　　axislabel_opts=opts.LabelOpts(is_show=False),
　　axistick_opts=opts.AxisTickOpts(is_show=False),
　　),
　　)
　　)
　　grid=(
　　Grid(init_opts=opts.InitOpts(width="1200px",height="600px"))
　　.add(
　　box_plot,
　　grid_opts=opts.GridOpts(pos_left="10%",pos_right="10%",pos_bottom="15%"),
　　)
　　.add(
　　scatter,
　　grid_opts=opts.GridOpts(pos_left="10%",pos_right="10%",pos_bottom="15%"),
　　)
　　.render("第一個(gè)箱形圖.html")
　　)

　　其實(shí)對(duì)于這個(gè)圖形的繪制我個(gè)人覺(jué)得掌握好一定技巧，繪制圖形并不難，主要是你要知道一定數(shù)據(jù)分析方法，不然空談數(shù)據(jù)可視也是枉然。

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)?lái)更多幫助。