箱線圖

箱線圖是展示數(shù)字變量和分類變量之間關(guān)系的另一種方式。與小提琴圖相比，箱線圖更側(cè)重于數(shù)據(jù)的摘要，主要報告每個分類級別數(shù)字值的一組描述統(tǒng)計學(xué)信息?？梢允褂?seaborn 的 boxplot 函數(shù)創(chuàng)建箱線圖。

plt.figure(figsize = [10, 5])
base_color = sb.color_palette()[0]

# left plot: violin plot
plt.subplot(1, 2, 1)
ax1 = sb.violinplot(data = df, x = 'cat_var', y = 'num_var', color = base_color)

# right plot: box plot
plt.subplot(1, 2, 2)
sb.boxplot(data = df, x = 'cat_var', y = 'num_var', color = base_color)
plt.ylim(ax1.get_ylim()) # set y-axis limits to be same as left plot

注意，這里使用了 "color" 參數(shù)使每個方框的顏色一樣。為了更好地比較小提琴圖和箱線圖，我們在第二個圖形上添加了 ylim 表達(dá)式，使兩個圖形的 y 軸范圍相符。我們將 violinplot 返回的 Axes 對象分配給一個變量，并使用 ax1 以程序方式獲得這些范圍值。

（文檔：Axes 對象）

image.png

小提琴圖的內(nèi)部方框和線條對應(yīng)于箱線圖的方框和須線。在箱線圖中，方框的中間線條表示分布的中值，方框的頂部和底部分別表示數(shù)據(jù)的第三四分位數(shù)和第一四分位數(shù)。因此，方框的高度是四分位差 (IQR)。從方框的頂部和底部，須線表示從第一四分位數(shù)或第三四分位數(shù)到最低值或最大值的范圍。通常，須線長度會設(shè)置最大范圍；默認(rèn)情況下，設(shè)為 1.5 乘以 IQR。對于 γ 級別，底部須線下方有數(shù)據(jù)，表示在第一四分位數(shù)下方有大于 1.5x IQR 的單個離群值。

對比兩個圖形后發(fā)現(xiàn)，箱線圖對數(shù)據(jù)的總結(jié)比小提琴圖要整潔。使用箱線圖更容易比較不同組的統(tǒng)計值。如果你有很多組數(shù)據(jù)要比較，或者要構(gòu)建解釋性圖形，則箱線圖更值得考慮?？梢詮南渚€圖中清晰地看出，δ 組的中值最低。另一方面，箱線圖對數(shù)據(jù)分布的細(xì)節(jié)描繪沒有小提琴圖清晰：無法在 α 級別的值中看到微弱的雙峰性。小提琴圖可能更適合探索數(shù)據(jù)，尤其因為 seaborn 還默認(rèn)地包含箱線圖實現(xiàn)。

其他版本

和 violinplot 一樣，boxplot 也可以水平地呈現(xiàn)箱線圖，將數(shù)字和分類特征設(shè)為相應(yīng)的參數(shù)即可。

base_color = sb.color_palette()[0]
sb.boxplot(data = df, x = 'num_var', y = 'cat_var', color = base_color)

image.png

在 violinplot 中，除了默認(rèn)的迷你箱線圖之外，還有一個在小提琴圖中繪制摘要統(tǒng)計信息的其他選項。通過設(shè)置 inner = 'quartile’，將在三個中間四分位數(shù)的小提琴區(qū)域繪制三條線。很粗的破折線表示中值，分別位于兩側(cè)的兩個破折線更短的線條表示第一四分位數(shù)和第三四分位數(shù)。

base_color = sb.color_palette()[0]
sb.violinplot(data = df, x = 'cat_var', y = 'num_var', color = base_color,
              inner = 'quartile')

image.png