使用 Pandas 進行箱線圖可視化 [綜合指南]

在處理任何統計數據分析項目時，您可以應用許多方便的工具。 基本思想是識別問題並使用必要的功能來回答該問題。 例如，如果需要查看數據分佈，理想的答案是繪製數據分佈函數。

如果需要查看這些值並將它們與其他列的值進行比較，最好的方法是繪製條形圖或直方圖。 但是如果需要滿足一個統計查詢呢？ 可以在分佈函數中觀察到趨勢，但如果我們需要檢查特定百分比的數據，則沒有簡單的出路。 查看我們來自知名大學的數據科學培訓，以在競爭中獲得優勢。

Boxplot 是上述問題的解決方案。 箱線圖用於描述屬性的百分位值，根據繪製它的列。 Boxplot 在基於規則的模型工程以及一般的探索性數據分析中非常有見地。

Boxplot 處理四分位數。

讓我們首先繪製一個pandas 箱線圖，然後了解它的各個部分。

繪製 Pandas 箱線圖

要實現pandas 箱線圖，只有兩個要求，Pandas 和 matplotlib。 matplotlib 的用途是可視化繪圖並查看 Jupyter notebook 內部的繪圖。

這是我們導入這兩個庫的方式。 我們使用內聯魔法功能，以便可以直接在筆記本內看到繪圖。

代碼：

將熊貓導入為pd

將matplotlib.pyplot導入為plt

%matplotlib 內聯

現在，我們導入數據並將其讀入 DataFrame。 這是如何做到的。

代碼：

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

DataFrame 是 Pandas 的基本數據結構。 這是我們數據的前五個樣本。

數據導入後，我們可以直接在DataFrame對像上使用pandas boxplot函數。 以下是如何使用它：

代碼：

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

pandas boxplot函數有兩個參數。 'by' 參數用於選擇 X 軸。 “列”是要在 Y 軸上繪製的數據。

在這裡，我們正在繪製按回合得分的目標。

這是情節：

結帳： Python 面試問題

閱讀箱線圖

現在讓我們閱讀情節。 首先，了解軸的值。 Y 軸顯示比賽中的進球數，X 軸顯示比賽進行的回合數。 讓我們以最後一輪為例。

如果我們仔細觀察，盒子是在 2 到 4 之間的某個地方，中間的線是 3。 該框是使用三個值繪製的——第 25、第 50 和第 75 個百分位值。 圖表的下一行表示比賽中進球的第 25 個百分位，中間表示第 50 個百分位，上面的行表示第 75 個百分位。 因此，箱線圖適用於數據的四分位間距 (IQR)。

閱讀： Python Pandas 教程：初學者需要了解的有關 Python Pandas 的一切

現在，在盒子的上方和下方又畫了一件東西。 這些線被稱為晶須。 因此，有時箱線圖也稱為盒須圖。

沒有唯一的方法來繪製鬍鬚。 表示鬍鬚的最常用方法是在數據列中的最小值和最大值處標記它們。 像 seaborn 這樣的一些庫使用 IQR 的乘法值來標記鬍鬚。 Pandas 箱線圖使用最大值和最小值來標記鬍鬚。

如果您注意到，在四到六之間有一些點。 這些被稱為異常值。 箱線圖在基於規則的系統中作為誤差計算相當有用，或者可以快速識別錯誤分類。 例如，在圖表中，如果您只需要區分第三輪和決賽輪，您可以輕鬆地製作一個基於規則的系統，它將準確地對您的數據進行分類。 如果介於 0 到 2 之間，則標記第三輪，如果介於 2 到 4 之間，則標記最後一輪。

箱線圖有助於了解數據列的整體分佈。 這些圖使用四分位值顯示分佈。 由於分佈已適當標記，因此您可以更輕鬆地快速分析數據。 須線表示列中的剩餘值。

結論

下端表示低於 25% 的數據，而上端表示高於 75% 的數據。 如果異常值較少，熊貓箱線圖可以幫助快速識別這些異常值。 總的來說，如果你能正確閱讀它們，箱線圖在數據分析中非常有用。

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的數據科學執行 PG 計劃，該計劃是為在職專業人士創建的，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家的指導、1與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。