import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False data_a = np.array([85.5, 91, 72, 59, 66, 55]) data_b = np.array([94, 82, 89.5, 62, 49, 53]) plt.boxplot([data_a, data_b], labels=('男生各科平均成绩', '女生各科平均成绩'), meanline=True, widths=0.5, vert=False, patch_artist=True) plt.title('高二男生和女生各科平均成绩') plt.xlim(40, 100) plt.show()转为堆积面积图并美化

由于盒图和堆积面积图的图形表达方式不同，不能简单地将盒图转换为堆积面积图。以下是一个堆积面积图的例子，用于对比两组数据的占比情况：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data_a = np.array([85.5, 91, 72, 59, 66, 55])
data_b = np.array([94, 82, 89.5, 62, 49, 53])

fig, ax = plt.subplots()

ax.stackplot(range(len(data_a)), data_a, data_b, labels=('男生各科平均成绩', '女生各科平均成绩'))

ax.set_title('高二男生和女生各科平均成绩')
ax.set_xlim(0, len(data_a)-1)
ax.set_ylim(0, 200)
ax.legend(loc='upper left')

plt.show()

在这个例子中，我们使用了`stackplot()`函数来绘制堆积面积图。函数的第一个参数是X轴数据，第二个和第三个参数是两组数据，用于堆积在一起。我们还使用`labels`参数添加了图例，并使用`set_xlim()`和`set_ylim()`方法来设置X轴和Y轴的范围。

最后，我们可以使用各种美化技巧来增强图形的可读性，例如添加轴标签、调整字体大小和颜色等。