Lære Boksplott | Flere Statistiske Diagrammer

Definisjon

Boksplott er en annen svært vanlig graf i statistikk som brukes til å visualisere sentraltendens, spredning og potensielle uteliggere i dataene via kvartiler.

Kvartiler

Kvartiler deler datapunktene (sortert i stigende rekkefølge) i fire like store deler. Det finnes tre av dem:

Første kvartil (Q1) er tallet i midten mellom den minste verdien (tallet) i utvalget og medianen (25 % av dataene ligger i dette området);
Andre kvartil (Q2) er selve medianen (50 % av dataene ligger under medianen);
Tredje kvartil (Q3) er tallet i midten mellom medianen i utvalget og de høyeste verdiene i utvalget (75 % av dataene ligger under Q3).

Elementer i boksplott

Høyre side av den røde rektangelet representerer tredje kvartil, og venstre side representerer første kvartil;
Q3 - Q1 kalles interkvartilavstand (IQR), som vises ved rektangelet der den gule linjen er medianen;
De svarte linjene utenfor rektangelet kalles whiskers. Den venstre representerer $\text{Q1} - 1.5 \cdot \text{IR}$ , og den høyre representerer $\text{Q3} + 1.5 \cdot \text{IR}$ ;
Datapunktene som ligger utenfor whiskers kalles uteliggere.

Neste steg er å generere et boxplot ved bruk av 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()

Boxplot-data

Funksjonen boxplot() fra pyplot-modulen brukes med den første og eneste obligatoriske parameteren x, som representerer dataene. Disse dataene kan være et array-lignende objekt (f.eks. en Series), et 2D-array (et boxplot tegnes for hver kolonne), eller en sekvens av 1D-arrays (et boxplot tegnes for hvert array).

Valgfrie parametere

Parameteren tick_labels er et unntak. Denne er spesielt nyttig ikke bare for å merke en enkel boksplott, men også for å merke boksplottene når det er flere enn én matrise:


              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 eksempelet ble hele DataFrame med to kolonner sendt til boxplot(), noe som resulterte i separate boksplotter for hver kolonne med passende etiketter automatisk tildelt.

Studer mer

Det finnes også en rekke valgfrie parametere for å tilpasse boksplottet, som du kan utforske i boxplot() dokumentasjonen, men i praksis vil du sjelden bruke dem.

Oppgave

Swipe to start coding

Lag to boksdiagrammer ved å bruke to utvalg fra standard normalfordeling:

Bruk riktig funksjon for å lage boksdiagrammene.
Bruk listen normal_sample_1 og normal_sample_2 (i denne rekkefølgen fra venstre til høyre) som data.
Merk det venstre boksdiagrammet som First sample og det høyre som Second sample ved å bruke list.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 2

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Suggested prompts:

Can you explain what the interquartile range (IQR) is used for?

How do I interpret outliers in a box plot?

Can you show how to customize the appearance of a box plot?

Awesome!

Completion rate improved to 3.85

Sveip for å vise menyen