Python数据可视化：深入理解并绘制箱线图
箱线图的基本概念
箱线图（Box Plot），又称盒须图，是一种用于展示连续型数据分布特征的统计图表。它通过五个关键数值概括数据的整体分布情况：最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）和最大值，并能有效识别异常值。
在标准箱线图中：
- 下四分位数 Q1：表示数据集中25%的数据小于该值；
- 上四分位数 Q3：表示75%的数据小于该值；
- 四分位距 IQR：定义为 IQR = Q3 - Q1，反映中间50%数据的离散程度；
- 上下边界：通常设定为 Q1 - 1.5×IQR 和 Q3 + 1.5×IQR，超出此范围的点被视为潜在异常值；
- 中位数：即第二四分位数，位于箱体内的横线，代表数据的中心趋势。
使用 Matplotlib 绘制箱形图
Matplotlib 提供了 plt.boxplot() 方法来创建箱线图，支持高度自定义外观与样式。
核心参数说明
| 参数名 | 作用描述 |
|---|---|
x |
输入数据，可为列表或数组形式 |
vert |
是否垂直显示，默认 True |
patch_artist |
是否填充箱体颜色 |
widths |
设置箱体宽度 |
notch |
启用缺口显示，突出中位数置信区间 |
showfliers |
控制是否显示异常值 |
flierprops |
配置异常点样式（形状、大小、颜色等） |
medianprops |
设置中位线的线条属性 |
whis |
调整触须长度倍数，默认为1.5倍IQR |
返回值结构
调用 boxplot() 后返回一个字典对象，包含以下绘图组件：
boxes：箱体轮廓medians：中位线whiskers：上下触须caps：触须末端帽线fliers：异常值标记means：均值标记（当showmeans=True时存在）
代码示例
import matplotlib.pyplot as plt
import numpy as np
# 设置中文字体兼容性
plt.rcParams['font.sans-serif'] = ['SimSun', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False
# 生成三组不同方差的正态分布数据
data_sets = [np.random.normal(loc=0, scale=sigma, size=100) for sigma in [1, 2, 3]]
labels = ['X₁', 'X₂', 'X₃']
fig, axes = plt.subplots(1, 2, figsize=(10, 5))
# 左图：普通矩形箱线图
box1 = axes[0].boxplot(
data_sets,
vert=True,
widths=0.35,
labels=labels,
patch_artist=True,
medianprops={'color': 'red', 'linewidth': 2},
flierprops={'marker': 'v', 'markersize': 6, 'markerfacecolor': '#FF6B35'},
whiskerprops={'linestyle': '--', 'color': 'purple'}
)
axes[0].set_title("常规箱线图")
axes[0].grid(axis='y', linestyle='--', alpha=0.7)
# 右图：带缺口箱线图
box2 = axes[1].boxplot(
data_sets,
notch=True,
widths=0.35,
labels=labels,
patch_artist=True,
medianprops={'color': 'darkgreen', 'linewidth': 2},
flierprops={'marker': '>', 'markersize': 6, 'markerfacecolor': 'gold'}
)
axes[1].set_title("带缺口箱线图")
axes[1].grid(axis='y', linestyle='--', alpha=0.7)
# 填充箱体颜色
colors = ['#D6EAF8', '#FADBD8', '#D5F5E3']
for box, color in zip([box1, box2], colors):
for patch in box['boxes']:
patch.set_facecolor(color)
plt.tight_layout()
plt.show()
基于 Seaborn 的高级箱线图绘制
Seaborn 是构建于 Matplotlib 之上的高级可视化库，特别适合处理 Pandas DataFrame 数据结构，提供更简洁美观的统计图形接口。
主要参数解析
| 参数 | 功能说明 |
|---|---|
data |
输入数据集，推荐使用 DataFrame |
x, y |
指定坐标轴变量名称 |
hue |
按某一分类变量进行分组对比 |
orient |
设定方向，'v' 垂直，'h' 水平 |
palette |
配色方案，如 "Set2", "husl" 等 |
saturation |
颜色饱和度调节（0~1） |
dodge |
多组比较时是否错开位置 |
whis |
IQR倍数，决定触须长度 |
**kwargs |
传递底层 matplotlib 参数，如 medianprops |
实战绘图案例
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 加载内置泰坦尼克号数据集
titanic_df = sns.load_dataset("titanic").dropna(subset=['age', 'fare'])
fig, axes = plt.subplots(2, 3, figsize=(15, 10))
# 图1：按舱位等级划分的年龄分布
sns.boxplot(data=titanic_df, x='age', y='class', ax=axes[0,0])
axes[0,0].set_title("不同舱位乘客年龄分布")
# 图2：结合生存状态的分组箱线图
sns.boxplot(data=titanic_df, x='class', y='age', hue='alive', ax=axes[0,1])
axes[0,1].set_title("存活状态下的年龄分布对比")
# 图3：多个数值列横向对比
numeric_data = titanic_df[['age', 'fare']].melt()
sns.boxplot(data=numeric_data, x='value', y='variable', orient='h', ax=axes[0,2])
axes[0,2].set_title("年龄与票价分布对比")
# 图4：甲板编号对票价的影响（重叠显示）
sns.boxplot(data=titanic_df, x='fare', y='deck', hue='deck', dodge=False, ax=axes[1,0])
axes[1,0].set_title("各甲板票价分布（无偏移）")
# 图5：自定义排序后的分布图
order = ['G', 'F', 'E', 'D', 'C', 'B', 'A']
sns.boxplot(data=titanic_df, x='fare', y='deck', order=order, hue='deck', dodge=False, ax=axes[1,1])
axes[1,1].set_title("按甲板倒序排列的票价分布")
# 图6：启用缺口并自定义中位线样式
sns.boxplot(
data=titanic_df, x='age', y='class',
notch=True, showcaps=False,
medianprops={'color': 'crimson', 'linewidth': 2.5},
flierprops={'marker': 's', 'markersize': 5},
ax=axes[1,2]
)
axes[1,2].set_title("带缺口的年龄分布图")
for ax in axes.flat:
ax.grid(axis='x', linestyle='--', alpha=0.6)
plt.tight_layout()
plt.show()
注意：若出现 sns.load_dataset("titanic") 加载失败的情况，可能是网络问题导致远程资源无法获取，建议手动下载数据文件并本地加载。
