Matplotlib 中的 Tukey Boxplots - 代码中的异常逻辑？答案

【问题标题】：Tukey Boxplots in Matplotlib - outlier logic in the code?Matplotlib 中的 Tukey Boxplots - 代码中的异常逻辑？
【发布时间】：2016-05-30 09:20:12
【问题描述】：

在阅读a related question in StackOverflow的答案时，我看到了matplotlib中使用的代码to compute the wiskers positions and detect outliers：

    # 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)

现在，else 部分非常有意义 - 根据 Tukey boxplots 的规范，我们找到了上四分位数 1.5 IQR 内的最高基准。事实上，这就是max(wish_hi) - 低于 Q3+1.5*IQR 的最大数据条目。

但是or 部分......我不明白。 if len(wisk_hi) == 0 转换为...

if we find no elements below the `hi_val` ...

这个条件如何适用？ Q3是通过中位数拆分数据，然后取上半部分的中位数，然后在上面加上1.5*IQR - 怎么可能没有数据lower strong> 比这个值？

如果这是关于一个空数据集，那么or 的第二部分也没有意义（因为没有数据，Q3 或 IQR 也没有意义）。

可能遗漏了一些明显的东西 - 帮助？

【问题讨论】：

标签： python matplotlib boxplot iqr tukey

【解决方案1】：

四分位距可能有偏差。 “上相邻值可以小于 Q3，这会迫使晶须从 Q3 拉入盒子。下相邻值也可以大于 Q1，这会迫使晶须从 Q1 拉入盒子。” (source)

IQR = Q3 - Q1

下限：Q1 - 1.5 (Q3 - Q1)

上限：Q3 + 1.5 (Q3 - Q1)

查看链接中的数据。

【讨论】：

谢谢！现在我看到数据，我明白了。
为了避免这个答案的未来读者的外部依赖：看看这个数据集在较低的wisker会发生什么：[1200、1443、1490、1528、1563、2479]

【解决方案2】：

下面的示例输出（实际上是从 matplotlib 测试数据驱动的）显示了问题：

$ ipython2
Python 2.7.11 (default, Mar 31 2016, 06:18:34) 
IPython 4.2.0 -- An enhanced Interactive Python.

In [1]: import numpy as np

In [2]: import matplotlib

In [3]: a=[3, 9000, 150, 88, 350, 200000, 1400, 960]

In [4]: sa=list(sorted(a))

In [5]: sa
Out[5]: [3, 88, 150, 350, 960, 1400, 9000, 200000]

In [6]: globals().update(matplotlib.cbook.boxplot_stats(a)[0])

In [7]: q3
Out[7]: 3300.0

In [8]: iqr
Out[8]: 3165.5

In [9]: q3+1.5*iqr
Out[9]: 8048.25

...所以小于q3+1.5*iqr 的最大元素是... 1400！

如果代码不包含该测试，则上面的晶须必须从 q3 (3300) 下降到 1400。

【讨论】：