
最近在接觸kaggle的競賽示例,練習了一下,感覺受益匪淺。同時,心中也有個問題。拿到數(shù)據之后第一件事是什么?分析數(shù)據的情況?怎么分析?分析之后如何去處理數(shù)據呢?等等一些數(shù)據分析的工作。其中,大家都可能非常清楚條形圖、直方圖、散點圖和曲線圖的用處,但是箱型圖呢?(或者稱為盒須圖)。
他的意義在哪里呢?在python中又是如何實現(xiàn)的呢?箱型圖:從字面上理解就是箱子的圖,如下圖:
箱型圖有5個參數(shù):
下邊緣(Q1),表示最小值;
下四分位數(shù)(Q2),又稱“第一四分位數(shù)”,等于該樣本中所有數(shù)值由小到大排列后第25%的數(shù)字;
中位數(shù)(Q3),又稱“第二四分位數(shù)”等于該樣本中所有數(shù)值由小到大排列后第50%的數(shù)字;
上四分位數(shù)(Q4),又稱“第三四分位數(shù)”等于該樣本中所有數(shù)值由小到大排列后第75%的數(shù)字;
上邊緣(Q5),表述最大值。
第三四分位數(shù)與第一四分位數(shù)的差距又稱四分位間距。
那為什么要引入箱形圖呢?我們來進行分析:
1.為了反映原始數(shù)據的分布情況,比如數(shù)據的聚散情況和偏態(tài)??纯础督y(tǒng)計學》這本書的插圖
從圖中我們可以直觀地看出,箱形圖的中位數(shù)和上四分位數(shù)的間距比較窄的話,對應曲線圖,這個間距內的數(shù)據比較集中,還有就是箱形圖的上(下)邊緣比較長的話,對應曲線圖,尾巴就比較長。
2.箱型圖有個功能就是可以檢測這組數(shù)據是否存在異常值。異常值在哪里呢?就是在上邊緣和下邊緣的范圍之外。(這個我也不太懂,總感覺和正態(tài)分布有一腿)
3.可以直觀地比較多組數(shù)據的情況。還是《統(tǒng)計學》中的示例。
多組成績的箱形圖如下:
從這圖我們可以很直觀地看出以下信息:
1.各科成績中,英語和西方經濟學的平均成績比較高,而統(tǒng)計學和基礎會計學的平均成績比較低。(用中位數(shù)來衡量整體情況比較穩(wěn)定)
2.英語、市場營銷學、西方經濟學、計算機應用基礎和財務管理成績分布比較集中,因為箱子比較短。而經濟數(shù)學、基礎會計學和統(tǒng)計學成績比較分散,我們可以對照考試成績數(shù)據看看也可以證實。
3.從各個箱形圖的中位數(shù)和上下四位數(shù)的間距也可以看出,英語和市場營銷學的成績分布是非常的對稱,而統(tǒng)計學呢?非常的不平衡,大部分數(shù)據都分布在70到85(中位數(shù)到上四分位數(shù))分以上。同樣,也可以從成績單里的數(shù)據證實
4.在計算機應用基礎對應的箱形圖出現(xiàn)了個異常點,我們回去看看成績單,計算機那一欄,出現(xiàn)了個計算機大牛(真希望是我),考了95分,比第二名多了10分。而其他同學的成績整體在80分左右。
5。其實我們也可以從中得知,用平均值去衡量整體的情況有時很不合理,用中位數(shù)比較穩(wěn)定,因為中位數(shù)不太會收到極值的影響,而平均值則受極值的影響很大。
那么在python怎么去畫箱型圖呢?
本人用的是python 3,anaconda 平臺。主要的模塊有matplotlib,pandas,numpy
#首先導入基本的繪圖包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#添加成績表
plt.style.use("ggplot")
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif']=['SimHei']
#新建一個空的DataFrame
df=pd.DataFrame()
#添加成績單,最后顯示成績單表格
df["英語"]=[76,90,97,71,70,93,86,83,78,85,81]
df["經濟數(shù)學"]=[65,95,51,74,78,63,91,82,75,71,55]
df["西方經濟學"]=[93,81,76,88,66,79,83,92,78,86,78]
df["計算機應用基礎"]=[85,78,81,95,70,67,82,72,80,81,77]
df
#用matplotlib來畫出箱型圖
plt.boxplot(x=df.values,labels=df.columns,whis=1.5)
plt.show()
#用pandas自帶的畫圖工具更快
df.boxplot()
plt.show()
好了!今天的箱形圖就總結這里了。下次記得拿到數(shù)據的時候,要記得分析數(shù)據的分布以及數(shù)據間的關系哦,尤其是用可視化的手段去分析。
數(shù)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據分析師報考條件詳解與準備指南? ? 在數(shù)據驅動決策的時代浪潮下,CDA 數(shù)據分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據透視表中兩列相乘合計的實用指南? 在數(shù)據分析的日常工作中,數(shù)據透視表憑借其強大的數(shù)據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據分析師:連接數(shù)據與業(yè)務的價值轉化者? ? 在大數(shù)據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據查詢到趨勢預判? ? 在數(shù)據驅動決策的時代,預測分析作為挖掘數(shù)據潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據分析師考試:從報考到取證的全攻略? 在數(shù)字經濟蓬勃發(fā)展的今天,數(shù)據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據背后的時間軌跡? 在數(shù)據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據類型:時間維度的精準切片? ? 在數(shù)據的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據分析師認證考試中,Python 作為數(shù)據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據趨勢與突變分析的有力工具? ? ? 在數(shù)據分析的廣袤領域中,準確捕捉數(shù)據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據分析師認證作為國內權威的數(shù)據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據分析師考試作為衡量數(shù)據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數(shù)據處理的關鍵技能? 在數(shù)據處理與分析工作中,數(shù)據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據分析師視角:從數(shù)據迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據分析師:開啟數(shù)據職業(yè)發(fā)展新征程? ? 在數(shù)據成為核心生產要素的今天,數(shù)據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03