使用 Pandas 进行箱线图可视化 [综合指南]

在处理任何统计数据分析项目时，您可以应用许多方便的工具。 基本思想是识别问题并使用必要的功能来回答该问题。 例如，如果需要查看数据分布，理想的答案是绘制数据分布函数。

如果需要查看这些值并将它们与其他列的值进行比较，最好的方法是绘制条形图或直方图。 但是如果需要满足一个统计查询呢？ 可以在分布函数中观察到趋势，但如果我们需要检查特定百分比的数据，则没有简单的出路。 查看我们来自知名大学的数据科学培训，以在竞争中获得优势。

Boxplot 是上述问题的解决方案。 箱线图用于描述属性的百分位值，根据绘制它的列。 Boxplot 在基于规则的模型工程以及一般的探索性数据分析中非常有见地。

Boxplot 处理四分位数。

让我们首先绘制一个pandas 箱线图，然后了解它的各个部分。

绘制 Pandas 箱线图

要实现pandas 箱线图，只有两个要求，Pandas 和 matplotlib。 matplotlib 的用途是可视化绘图并查看 Jupyter notebook 内部的绘图。

这是我们导入这两个库的方式。 我们使用内联魔法功能，以便可以直接在笔记本内看到绘图。

代码：

将熊猫导入为pd

将matplotlib.pyplot导入为plt

%matplotlib 内联

现在，我们导入数据并将其读入 DataFrame。 这是如何做到的。

代码：

data = pd.read_csv(“FIFA 2018 Statistics.csv”)

DataFrame 是 Pandas 的基本数据结构。 这是我们数据的前五个样本。

数据导入后，我们可以直接在DataFrame对象上使用pandas boxplot函数。 以下是如何使用它：

代码：

data.boxplot(by=”Round”, column=['Goal Scored'])

pandas boxplot函数有两个参数。 'by' 参数用于选择 X 轴。 “列”是要在 Y 轴上绘制的数据。

在这里，我们正在绘制按回合得分的目标。

这是情节：

结帐： Python 面试问题

阅读箱线图

现在让我们阅读情节。 首先，了解轴的值。 Y 轴显示比赛中的进球数，X 轴显示比赛进行的回合数。 让我们以最后一轮为例。

如果我们仔细观察，盒子是在 2 到 4 之间的某个地方，中间的线是 3。 该框是使用三个值绘制的——第 25、第 50 和第 75 个百分位值。 图表的下一行表示比赛中进球的第 25 个百分位，中间表示第 50 个百分位，上面的行表示第 75 个百分位。 因此，箱线图适用于数据的四分位间距 (IQR)。

阅读： Python Pandas 教程：初学者需要了解的有关 Python Pandas 的一切

现在，在盒子的上方和下方又画了一件东西。 这些线被称为晶须。 因此，有时箱线图也称为盒须图。

没有唯一的方法来绘制胡须。 表示胡须的最常用方法是在数据列中的最小值和最大值处标记它们。 像 seaborn 这样的一些库使用 IQR 的乘法值来标记胡须。 Pandas 箱线图使用最大值和最小值来标记胡须。

如果您注意到，在四到六之间有一些点。 这些被称为异常值。 箱线图在基于规则的系统中作为误差计算相当有用，或者可以快速识别错误分类。 例如，在图表中，如果您只需要区分第三轮和决赛轮，您可以轻松地制作一个基于规则的系统，它将准确地对您的数据进行分类。 如果介于 0 到 2 之间，则标记第三轮，如果介于 2 到 4 之间，则标记最后一轮。

箱线图有助于了解数据列的整体分布。 这些图使用四分位值显示分布。 由于分布已适当标记，因此您可以更轻松地快速分析数据。 须线表示列中的剩余值。

结论

下端表示低于 25% 的数据，而上端表示高于 75% 的数据。 如果异常值较少，熊猫箱线图可以帮助快速识别这些异常值。 总的来说，如果你能正确阅读它们，箱线图在数据分析中非常有用。

如果您想了解数据科学，请查看 IIIT-B 和 upGrad 的数据科学执行 PG 计划，该计划是为在职专业人士创建的，提供 10 多个案例研究和项目、实用的实践研讨会、行业专家的指导、1与行业导师一对一，400 多个小时的学习和顶级公司的工作协助。