箱型图
箱形图(Box-plot)用于展示一组数据的离散情况,因形状形如箱子而得名。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。
异常值识别
定义在小于QL-1.5IQR或者大于QL+1.5IQR的值。QL、QU分别为下四分位数,上四分位数,IQR为四分位数间距。
数据展示
这是一组xls销量数据,与py文件在同一个文件夹下命名为sale.xls,索引要用到,这样导入可直接写文件名字,不用进行文件夹下的切换。
代码实现
#-*- coding: utf-8 -*- import pandas as pd sale = 'sale.xls' #餐饮数据 data = pd.read_excel(sale, index_col = u'日期') #读取数据,指定“日期”列为索引列 import matplotlib.pyplot as plt #导入图像库 plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 plt.figure() #建立图像 p = data.boxplot(return_type='dict') #画箱线图,直接使用DataFrame的方法 x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签 y = p['fliers'][0].get_ydata() y.sort() #从小到大排序,该方法直接改变原对象 #用annotate添加注释 #其中有些相近的点,注解会出现重叠,难以看清,需要一些技巧来控制。 #以下参数都是经过调试的,需要具体问题具体调试。 for i in range(len(x)): if i>0: plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.02,y[i])) else: plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.02,y[i])) plt.show() #展示箱线图
因为这里异常值只有一个点,所以annotate函数参数xytext在设置的时候横坐标x[i]+0.02,能表示出来,若有几个异常点在y轴上分布聚集,需要进行参数调整。
箱型图展示
数据统计量
箱型图超过上下界的1个销售额数据可能为异常值,结合具体分析即可,这个值为2314.4.
statistics = data.describe() # 基本统计量 print(statistics)
count 12.000000
mean 4442.333333
std 1000.583951
min 2314.000000
25% 4064.250000
50% 4607.000000
75% 5225.500000
max 5546.000000
四分位数
关于这个箱型图,四分位数是这么计算的:QL=min+1/4(max-min),Qu=max-1/4(max-min)
statistics.loc['75%'] # 上四分位数 statistics.loc['25%'] # 下四分位数
四分位数间距
四分位数间距计算:IQR=Qu-QL
statistics.loc['75%'] - statistics.loc['25%']1
多组数据的箱型图展示
import pandas as pd import matplotlib.pyplot as plt sale = 'sale.xls' #餐饮数据 plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 data = pd.read_excel(sale) data.boxplot() plt.show()
作者:Atom_QQ2022313691
链接:https://blog.csdn.net/qq_44864262/article/details/107149799
来源:CSDN
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。