73

我对matplotlib中的箱线图有一些疑问：

问题A。我在下面用Q1、Q2和Q3突出显示的标记代表什么？我相信Q1是最大值，Q3是异常值，但是Q2是什么？

                       在此处输入图像描述

问题 B matplotlib 如何识别异常值？（即它怎么知道它们不是真值max和min值？）

4

6 回答 6

96

一张图片胜过千言万语。请注意，异常值（+图中的标记）只是下面宽边距之外的点。[(Q1-1.5 IQR), (Q3+1.5 IQR)]

    在此处输入图像描述

但是，该图片只是正态分布数据集的示例。重要的是要了解 matplotlib 不会首先估计正态分布，而是根据估计的分布参数计算四分位数，如上所示。

相反，中位数和四分位数是直接从数据中计算出来的。因此，您的箱线图可能看起来会有所不同，具体取决于数据的分布和样本的大小，例如不对称和或多或少的异常值。

于 2014-04-27T14:39:20.363 回答
27

方框代表第一个和第三个四分位数，红线代表中位数（第二个四分位数）。文档给出了 1.5 IQR的默认晶须：

boxplot(x, notch=False, sym='+', vert=True, whis=1.5,
        positions=None, widths=None, patch_artist=False,
        bootstrap=None, usermedians=None, conf_intervals=None)

和

whis : [ 默认 1.5 ]

将晶须的长度定义为内四分位范围的函数。它们扩展到 (whis*(75%-25%)) 数据范围内的最极端数据点。

如果您对不同的箱线图表示感到困惑，请尝试阅读wikipedia 中的描述。

于 2013-07-18T14:33:21.457 回答
23

这是一个图表，说明了来自stats.stackexchange answer的盒子的组件。请注意，如果您未whis在 Pandas 中提供关键字，则 k=1.5。

箱线图中的带注释框

Pandas 中的 boxplot 函数是matplotlib.pyplot.boxplot. matplotlib 文档详细解释了这些框的组件：

问题一：

该框从数据的下四分位数延伸到上四分位数，中间有一条线。

即四分之一的输入数据值位于框下方，四分之一的数据位于框的每个部分，其余四分之一位于框上方。

问题乙：

whis：浮点数、序列或字符串（默认 = 1.5）

作为浮点数，确定胡须的范围超出第一和第三四分位数。换句话说，如果 IQR 是四分位距 (Q3-Q1)，则上须线将延伸到小于 Q3 + whis*IQR 的最后一个数据。类似地，下须线将延伸到大于 Q1 - whis*IQR 的第一个数据。除了胡须，数据被认为是异常值，并被绘制为单独的点。

Matplotlib（和 Pandas）还为您提供了很多选项来更改胡须的默认定义：

将此设置为不合理的高值以强制胡须显示最小值和最大值。或者，将其设置为百分位数的升序（例如，[5, 95]）以将须线设置在数据的特定百分位数。最后，whis 可以是字符串“范围”，以强制胡须达到数据的最小值和最大值。

于 2018-07-03T23:12:01.727 回答
16

下图显示了箱线图的不同部分。

在此处输入图像描述

分位数 1/Q1：第 25 个百分位数

四分位距 (IQR)：第 25 个百分位到第 75 个百分位。

中位数（分位数 2/Q2）：第 50 个百分位数。

分位数 3/Q3：第 75 个百分位数。

我应该注意到蓝色部分是箱线图的胡须。

下图比较了正态分布的箱线图与概率密度函数。它应该有助于解释“最小值”、“最大值”和异常值。

在此处输入图像描述

“最低”：（Q1-1.5 IQR）

“最大值”：（Q3+1.5 IQR）

正如 zelusp 所说，对于正态分布，99.3% 的数据包含在 2.698σ（标准差）内。下图中的绿色圆圈（异常值）是剩余 0.7% 的数据。以下是这些数字是如何产生的推导。

于 2018-09-08T02:53:43.697 回答
13

除了 seth 答案（因为文档对此不是很精确）： Q1（胡须）置于最大值低于 75% + 1.5 IQR

（最小值为 25% - 1.5 IQR）

这是计算胡须位置的代码：

        # get high extreme
        iq = q3 - q1
        hi_val = q3 + whis * iq
        wisk_hi = np.compress(d <= hi_val, d)
        if len(wisk_hi) == 0 or np.max(wisk_hi) < q3:
            wisk_hi = q3
        else:
            wisk_hi = max(wisk_hi)

        # get low extreme
        lo_val = q1 - whis * iq
        wisk_lo = np.compress(d >= lo_val, d)
        if len(wisk_lo) == 0 or np.min(wisk_lo) > q1:
            wisk_lo = q1
        else:
            wisk_lo = min(wisk_lo)
于 2013-11-20T13:11:01.913 回答
6

以防万一这可以使其他人受益，我需要在我的一个箱形图上放一个图例，所以我在 Inkscape 中制作了这个小 .png 并认为我会分享它。

编辑：澄清一点，晶须在 1.5 * IQR 间隔内的最远数据点结束。

在此处输入图像描述

于 2017-05-28T18:11:05.140 回答