盒图
箱形图更多用于多组数据的比较,相对直方图不仅节省了空间,还可以展示出许多直方图不能展示的信息。
Q1、Q3、mdian
Q1 - 1.5 * IQR
Q1 mdian Q3
---IQR---
Q1-1.5*IQR Q3+1.5*IQR
values < Q1 - 1.5 * IQR
and
values < Q3 + 1.5 * IQR
比较小和比较大的都是离群点,
%matplotlib inline #魔法方法,可以省略 plt.show()
import matplotlib.pyplot as plt import numpy as np %matplotlib inline
基本盒图
test_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
plt.boxplot(test_data,notch=True,sym='s',vert=True)
#
#sym 表示离群点的表示方式,s 意思为一个方框
#横的画需要将,vert 更改为False,并且,将下边的 xticks 换成 yticks , xlabel 换成 ylabel
#
plt.xticks([y+1 for y in range(len(test_data))],['x1','x2','x3'])
#
#调取X的一个属性
#
plt.xlabel('x')
plt.title('box plot')
对每一个盒图添加颜色
test_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
bplot = plt.boxplot(test_data,notch=False,sym='s',vert=True,patch_artist=True)
plt.yticks([y+1 for y in range(len(test_data))],['x1','x2','x3'])
plt.xlabel('x')
plt.title('box plot')
colors = ['pink','lightblue','lightgreen']
for pathch,color in zip(bplot['boxes'],colors):
pathch.set_facecolor(color)
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5)) #建立子图 #子图的形状是1行2列,大小是12 #图的大小是宽 12 , 高 5
做一个小提琴图和一个盒图并进行对比。
#针对正太分布的分析展示图。
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
test_data = [np.random.normal(0,std,100) for std in range(6,10)]
axes[0].violinplot(test_data,showmeans=False,showmedians=True)
axes[0].set_title('violin plot')
axes[1].boxplot(test_data)
axes[1].set_title('box plot')
#对上一步的补充,增加 X 轴的标签。增加横线
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
test_data = [np.random.normal(0,std,100) for std in range(6,10)]
axes[0].violinplot(test_data,showmeans=False,showmedians=True)
axes[0].set_title('violin plot')
axes[1].boxplot(test_data)
axes[1].set_title('box plot')
for ax in axes:
ax.yaxis.grid(True)
ax.set_xticks([y+1 for y in range(len(test_data))])
plt.setp(axes,xticks=[y+1 for y in range(len(test_data))],xticklabels=['x1','x2','x3','x4'])
把标签设置在图的外面的正上方
fig = plt.figure() ax = plt.subplot(111) x = np.arange(10) y = np.arange(10) plt.plot(x,y,label = 'group') ax.legend(loc='upper center',bbox_to_anchor = (0.5,1.15),ncol = 3) #0.5 和 1.15 的意思为,设置标签 在图中的坐标
全局的标题的大小设置
import matplotlib as mpl mpl.rcParams['axes.titlesize'] = '30' #设置标题的大小,全局的
简单的直方图
import numpy as np import matplotlib.pyplot as plt data = np.random.normal(0,20,1000) bins = np.arange(-100,100,5) plt.hist(data,bins=bins) #绘图,bins的意思为区域从-100 到 100,每5个值进行一个直方展示 plt.xlim([min(data)-5,max(data)+5]) #绘制直方图,最小的值预留5个单位,最大的值也预留5个单位。 plt.show()
多直方图展示
import numpy as np import matplotlib.pyplot as plt data1 = np.random.normal(0,20,1000) data2 = np.random.normal(10,30,1000) bins = np.arange(-100,100,5) plt.hist(data1,bins=bins, label='class1',alpha=0.3) plt.hist(data2,bins=bins, label='class2',alpha=0.3) plt.xlim([min(data)-5,max(data)+5]) plt.legend(loc='best') plt.show()
利用平均值和方差的散点图
mu_vec1 = np.array([0,0]) cov_mat1 = np.array([[1,0],[0,1]]) X = np.random.multivariate_normal(mu_vec1, cov_mat1, 500) fig = plt.figure(figsize=(8,6)) R=X**2 R_sum=R.sum(axis = 1) plt.scatter(X[:,0],X[:,1],color='grey',marker='o',s=20*R_sum,alpha=0.5)



