几种数据统计图的python写法

Posted 2020-10-25 勉强的猫

【本篇暂停更新，因为一是写得不好，二是最近时间都用在spring上了，另外我参考的下面这本《python...》官网有错误更正文件，希望对也在读这本书的读者有用。】

 

---原文---

本文是作者阅读《python数据分析与挖掘实战》（张良均等，2016年1月第1版，机械工业出版社）时，将几种数据统计图的python写法做一个笔记。

源代码来自书上，注释来自作者理解。为了方便日后使用，对源代码的更正或者改变部分就不另行说明了，谢谢支持。

 

准备：需要python2.7、pandas、numpy、matplotlib等语言或数据分析库，或者直接安装anaconda（安装anaconda时不需要再安装python，否则使用自行安装的python不能直接import导入anaconda的计算库）

 

tips：建议使用anaconda的Jupyter Notebook或者Spyder进行以下操作，实测通过命令行和vscode导入包会等的很长

 

一、箱型图

这是一种将数据四等分，以数据大小为依据，取25%位置的数为下四分位数Q_U，取75%为大四分位数Q_L，定义数据集中异常值是那些　　小于Q_L - 1.5IQR或者大于Q_U + 1.5IQR　　的数。其中IQR为上定义的四分位之间差的绝对值。

 

 1 #-*- coding:utf-8 -*-
 2 
 3 import pandas as pd       #导入pandas库，用于数据分析
 4 
 5 data_path = \'data.xls\'     #以Excel文件为例
 6 
 7 \'\'\'
 8 以下使用read_excel()读取一个Excel文件，并获取列名为“列名字”的一列数据，前面的 u 是为了显示中文避免乱码。
   这个函数可以有很多参数，参见官方手册。data是DataFrame类型
 9 \'\'\'
10 data = pd.read_excel(data_path, index_col = u\'列名字\')
11 
12 
13 import matplotlib.pyplot as  plt     #导入matplotlib，用于画图
14 plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']     #指定字体为雅黑，matplotlib不支持直接显示中文
15 plt.rcParams[\'axes.unicode_minus\'] = False     #使得matplotlib正常显示负号
16 
17 plt.figure()     #建立图像
18 
19 \'\'\'
20 以下建立箱型图，指定返回值是\'dict\'，此时p是一个字典，其中的\'fliers\'键的值是一个为异常值的且属于matplotlib的line2D对象列表，
   使用get_xdata和get_ydata获得数据的横纵坐标数组（准确是numpy.ndarray）
21 \'\'\'
22 p = data.boxplot(return_type = \'dict\')   
23 x = p[\'fliers\'][0].get_xdata()
24 y = p[\'fliers\'][0].get_ydata()
25 y.sort()      #排序
26 
27 
28 \'\'\'
29 接下来使用annotate()为该图像增加注释，语法是annotate(u\'标签\', xy = (cor_x, xor_y), xytext = (cor_x, cor_y))，
   其中xy表示标注点坐标，xytext表示注释坐标，cor_x和cor_y是坐标值。
   坐标需要根据数据调整，这里不再贴代码。
30 \'\'\'

 

由书上的数据和代码得到以下箱型图：

异常值就显而易见了。