分离箱线图的计算和绘制#

为一个给定的数据集绘制 boxplot ，包括两个主要操作，这两个操作也可以单独使用：

计算箱线图统计数据：matplotlib.cbook.boxplot_stats
绘制箱线图：matplotlib.axes.Axes.bxp

因此，ax.boxplot(data) 等同于

stats = cbook.boxplot_stats(data)
ax.bxp(stats)

所有样式关键字参数在 boxplot 和 bxp 之间是相同的，并且它们从 boxplot 传递到 bxp。然而，boxplot 的 tick_labels 参数在 boxplot_stats 中转换为通用的 labels 参数，因为这些标签与数据相关，并附加在返回的每个数据集字典上。

以下代码展示了两种方法之间的等价性。

import matplotlib.pyplot as plt
import numpy as np

from matplotlib import cbook

np.random.seed(19680801)
data = np.random.randn(20, 3)

fig, (ax1, ax2) = plt.subplots(1, 2)

# single boxplot call
ax1.boxplot(data, tick_labels=['A', 'B', 'C'],
            patch_artist=True, boxprops={'facecolor': 'bisque'})

# separate calculation of statistics and plotting
stats = cbook.boxplot_stats(data, labels=['A', 'B', 'C'])
ax2.bxp(stats, patch_artist=True, boxprops={'facecolor': 'bisque'})

使用单独的函数可以预先计算统计数据，以防你需要它们用于其他目的，或者为了在多个图表中重复使用这些统计数据。

相反，如果你已经有统计参数，你也可以直接使用 bxp 函数：

fig, ax = plt.subplots()

stats = [
    dict(med=0, q1=-1, q3=1, whislo=-2, whishi=2, fliers=[-4, -3, 3, 4], label='A'),
    dict(med=0, q1=-2, q3=2, whislo=-3, whishi=3, fliers=[], label='B'),
    dict(med=0, q1=-3, q3=3, whislo=-4, whishi=4, fliers=[], label='C'),
]

ax.bxp(stats, patch_artist=True, boxprops={'facecolor': 'bisque'})

plt.show()

参考文献

以下函数、方法、类和模块的使用在本示例中展示：

由 Sphinx-Gallery 生成的图库