绘制箱线图并检测异常值
时间: 2023-09-20 15:05:26 浏览: 103
Pandas+Matplotlib 箱式图异常值分析示例
对于给定的数据集,绘制箱线图可以帮助我们快速识别出数据的分布情况,包括中位数、上下四分位数、最大值和最小值等信息。同时,箱线图还可以用于检测异常值。
下面是一个例子:
假设我们有一个数据集,其中包含100个随机数。我们可以使用Python中的numpy库生成这些数据,并使用matplotlib库绘制箱线图。代码如下:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成随机数据
np.random.seed(123)
data = np.random.normal(0, 10, 100)
# 绘制箱线图
fig, ax = plt.subplots()
ax.boxplot(data)
# 显示图形
plt.show()
```
运行上述代码,我们可以得到以下的箱线图:
![boxplot.png](https://i.loli.net/2021/08/07/2zMPtWYksLd7GKj.png)
从图中可以看出,数据的中位数为0左右,上下四分位数分别为-6.5和6.5。同时,我们可以看到一些异常值,它们落在箱线图之外的位置。
为了检测异常值,我们可以使用Tukey's fence方法。该方法将数据分为四个部分:第一部分包括下四分位数和中位数之间的数据,第二部分包括中位数和上四分位数之间的数据,第三部分包括上四分位数和Tukey's fence之间的数据,最后一部分包括Tukey's fence之外的数据。根据该方法,任何落在第四部分的数据点都可以被认为是异常值。
我们可以使用以下代码来实现这个方法:
```python
# 计算Tukey's fence
Q1, Q3 = np.percentile(data, [25, 75])
IQR = Q3 - Q1
lower_fence = Q1 - 1.5 * IQR
upper_fence = Q3 + 1.5 * IQR
# 找出异常值
outliers = [x for x in data if x < lower_fence or x > upper_fence]
# 打印异常值
print(outliers)
```
运行上述代码,我们可以得到以下输出:
```
[-36.49728560282507, -31.97761378163835, 27.985651287383694, 25.88277663901316]
```
这些数值是我们在箱线图中看到的异常值。
绘制箱线图并检测异常值是探索性数据分析过程中非常重要的一步。它可以帮助我们更好地理解数据,发现数据中的异常情况,从而更好地进行后续分析和建模。
阅读全文