如何获取 matplotlib 箱线图的箱线图数据

Question

我需要获取生成的统计数据以在 Pandas 中绘制箱线图（使用数据框创建箱线图）。即四分位数1，四分位数2，四分位数3，下须值，上须值和异常值。 我尝试了以下查询来绘制箱线图。

import pandas as pd
df = pd.DataFrame(np.random.rand(100, 5), columns=['A', 'B', 'C', 'D', 'E'])
pd.DataFrame.boxplot(df,return_type = 'both')

有没有办法代替手动计算值？

Answer 1

一种选择是使用图中的 y 数据 - 可能对异常值（飞行器）最有用

_, bp = pd.DataFrame.boxplot(df, return_type='both')

outliers = [flier.get_ydata() for flier in bp["fliers"]]
boxes = [box.get_ydata() for box in bp["boxes"]]
medians = [median.get_ydata() for median in bp["medians"]]
whiskers = [whiskers.get_ydata() for whiskers in bp["whiskers"]]

但使用任一方法获取其他值（包括 IQR）可能更直接

quantiles = df.quantile([0.01, 0.25, 0.5, 0.75, 0.99])

或者，按照 WoodChopper 的建议

stats = df.describe()

Answer 2

• 要获取箱线图数据，请使用matplotlib.cbook.boxplot_stats，它会返回统计字典列表，用于使用matplotlib.axes.Axes.bxp 绘制一系列箱线图和须线图
  • 要获取箱线图统计信息，请将array 传递给boxplot_stats。
    • 这不是特定于pandas。
• pandas 的默认绘图引擎是 matplotlib，因此使用 boxplot_stats 将返回 pandas.DataFrame.plot.box 的正确指标。
• 将感兴趣的数字列传递给boxplot_stats，如array，使用df.values

import pandas as pd
import matplotlib.pyplot as plt
form matplotlib.cbook import boxplot_stats
import numpy as np

# test dataframe
np.random.seed(346)
df = pd.DataFrame(np.random.rand(100, 5), columns=['A', 'B', 'C', 'D', 'E'])

# plot the dataframe as needed
ax = df.plot.box(figsize=(8, 6), showmeans=True, grid=True)

• 通过将array 传递给boxplot_stats 来提取箱线图指标
  • df.values 是 numpy.ndarray。
• dicts 与来自df 的列数组的顺序相同。
• 此数据没有异常值，fliers，因为它是使用 numpy.random 生成的。

# get stats
stats = boxplot_stats(df.values)

print(stats)
[out]:
[{'cihi': 0.6008396701195271,
  'cilo': 0.45316512285356997,
  'fliers': array([], dtype=float64),
  'iqr': 0.47030110594253877,
  'mean': 0.49412631128104645,
  'med': 0.5270023964865486,
  'q1': 0.2603486498337239,
  'q3': 0.7306497557762627,
  'whishi': 0.9941975539538199,
  'whislo': 0.00892072823759571},
 {'cihi': 0.5460977498205477,
  'cilo': 0.39283808760835964,
  'fliers': array([], dtype=float64),
  'iqr': 0.4880880962171596,
  'mean': 0.47578540593013985,
  'med': 0.4694679187144537,
  'q1': 0.2466015651284032,
  'q3': 0.7346896613455628,
  'whishi': 0.9906905357196321,
  'whislo': 0.002613905425137064},
 {'cihi': 0.6327876179340386,
  'cilo': 0.47317829117336885,
  'fliers': array([], dtype=float64),
  'iqr': 0.5083099578365278,
  'mean': 0.5202481643792808,
  'med': 0.5529829545537037,
  'q1': 0.24608370844800756,
  'q3': 0.7543936662845353,
  'whishi': 0.9968264819096214,
  'whislo': 0.008450848029956215},
 {'cihi': 0.5429786764060252,
  'cilo': 0.40089287519667627,
  'fliers': array([], dtype=float64),
  'iqr': 0.4525025516221303,
  'mean': 0.4948030963370377,
  'med': 0.4719357758013507,
  'q1': 0.279181107815125,
  'q3': 0.7316836594372553,
  'whishi': 0.9836196084903415,
  'whislo': 0.019864664399723786},
 {'cihi': 0.5413819754851169,
  'cilo': 0.3838462046931251,
  'fliers': array([], dtype=float64),
  'iqr': 0.5017062764076173,
  'mean': 0.4922357500877824,
  'med': 0.462614090089121,
  'q1': 0.2490034171367362,
  'q3': 0.7507096935443536,
  'whishi': 0.9984043081918205,
  'whislo': 0.0036707224412856343}]