Lære Boksplot | Flere Statistiske Diagrammer

Definition

Box plot er en anden meget udbredt graf i statistik, der bruges til at visualisere den centrale tendens, spredning og potentielle outliers i dataene via deres kvartiler.

Kvartiler

Kvartiler opdeler datapunkterne (sorteret i stigende rækkefølge) i fire lige store dele. Der er tre af dem:

Første kvartil (Q1) er tallet midt imellem den mindste værdi (tal) i datasættet og medianen (25% af dataene ligger i dette interval);
Anden kvartil (Q2) er selve medianen (50% af dataene ligger under medianen);
Tredje kvartil (Q3) er tallet midt imellem medianen af datasættet og de højeste værdier i datasættet (75% af dataene ligger under Q3).

Boksgraf-elementer

Højre side af den røde rektangel repræsenterer tredje kvartil, og venstre side repræsenterer første kvartil;
Q3 - Q1 kaldes interkvartilområdet (IQR), som er repræsenteret af rektanglet, hvor den gule linje er medianen;
De sorte linjer uden for rektanglet kaldes whiskers. Den venstre repræsenterer $\text{Q1} - 1.5 \cdot \text{IR}$ , og den højre repræsenterer $\text{Q3} + 1.5 \cdot \text{IR}$ ;
Datapunkterne, der ligger uden for whiskers, kaldes outliers.

Næste trin er at generere et box plot ved hjælp af matplotlib-biblioteket:


              1234567891011
            
import pandas as pd
import matplotlib.pyplot as plt

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a box plot for the Seattle temperatures
plt.boxplot(weather_df['Seattle'])

plt.show()

Box Plot Data

Funktionen boxplot() fra pyplot-modulet anvendes med den første og eneste påkrævede parameter x, som repræsenterer dataene. Disse data kan være et array-lignende objekt (f.eks. en Series), et 2D-array (et box plot tegnes for hver kolonne), eller en sekvens af 1D-arrays (et box plot tegnes for hvert array).

Valgfrie parametre

Parameteren tick_labels er en undtagelse. Denne er især nyttig ikke kun til at navngive et enkelt boxplot, men også til at navngive boxplots, når der er mere end ét array:


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating two box plots for Boston and Seattle temperatures
plt.boxplot(weather_df, tick_labels=['Boston', 'Seattle'])
plt.show()

I dette eksempel blev hele DataFrame med to kolonner videregivet til boxplot(), hvilket resulterede i separate boxplots for hver kolonne med passende etiketter automatisk tildelt.

Læs Mere

Der findes også en del valgfrie parametre til at tilpasse box plot, som kan udforskes i boxplot() dokumentationen, men i praksis vil de sjældent blive anvendt.

Opgave

Swipe to start coding

Opret to boksplot ved hjælp af to stikprøver fra standard normalfordelingen:

Brug den korrekte funktion til at oprette boksplottene.
Brug listen normal_sample_1 og normal_sample_2 (i denne rækkefølge fra venstre mod højre) som data.
Mærk det venstre boksplot som First sample og det højre som Second sample ved hjælp af list.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 4. Kapitel 2

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Awesome!

Completion rate improved to 3.85

Stryg for at vise menuen