Summary  
This chapter covers creating and customizing box plots in code to visualize and summarize the distribution of numerical data using the five-number summary and additional styling parameters.  

General domain of usage  
Exploratory data analysis

Et `boxplot` er en standardisert måte å vise fordelingen av data på, basert på et **fem-talls sammendrag**:

1. **Minimum** (laveste verdi, ekskludert uteliggere);
2. **Første kvartil (Q1)** (25. prosentil);
3. **Median** (50. prosentil);
4. **Tredje kvartil (Q3)** (75. prosentil);
5. **Maksimum** (høyeste verdi, ekskludert uteliggere).

## Hvorfor bruke et boxplot?

Det er det beste verktøyet for **å sammenligne fordelinger** mellom grupper. Det gir deg umiddelbart informasjon om:

* **Sentraltendens:** hvor er medianlinjen?;
* **Spenning:** hvor høy er boksen? (interkvartilområdet);
* **Symmetri:** er medianen i midten av boksen?;
* **Uteliggere:** er det prikker utenfor "whiskers"?



## Viktige parametere

* **`saturation`**: styrer intensiteten på fargene (0 til 1). Lavere verdier gir mer dempede farger;
* **`linewidth`**: styrer tykkelsen på boksens konturer og "whiskers";
* **`width`**: styrer bredden på selve boksen.



## Eksempel

Her er et boksplott som analyserer "Tips"-datasettet. Legg merke til at prikkene som representerer uteliggere vises over whiskers.

import seaborn as sns
import matplotlib.pyplot as plt

# Load dataset
df = sns.load_dataset('tips')

# Create a boxplot
sns.boxplot(
    data=df,
    hue='day',
    x='day',
    y='total_bill',
    palette='coolwarm',
    linewidth=2,     # Thicker lines
    saturation=0.7   # Slightly muted colors
)

plt.show()

import unittest
import importlib
import sys
import pandas as pd
from unittest.mock import patch, MagicMock

# Helper function to dynamically generate test names and assertions
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestUserCode(unittest.TestCase):

    def setUp(self):
        self.patcher_csv = patch('pandas.read_csv')
        self.mock_read_csv = self.patcher_csv.start()
        
        # Provide real data structure for planets dataset
        self.mock_df = pd.DataFrame({
            'method': ['Radial Velocity', 'Imaging', 'Eclipse Timing', 'Transit'],
            'distance': [77.4, 15.0, 100.2, 500.0]
        })
        self.mock_read_csv.return_value = self.mock_df

    def tearDown(self):
        self.patcher_csv.stop()

    # Test custom style configuration
    def test_style_configuration(self):
        with patch('seaborn.boxplot'), patch('matplotlib.pyplot.show'):
            with patch('seaborn.set_style') as mock_style:
                if 'user_code' in sys.modules:
                    importlib.reload(sys.modules['user_code'])
                import user_code
            
            if not mock_style.called:
                 _dynamic_test(self, False, "", "Expected `sns.set_style()` to be called.")
                 return

            args, kwargs = mock_style.call_args
            
            style_name_correct = args[0] == 'ticks'
            
            # Check dictionary configuration
            rc_params = args[1] if len(args) > 1 else kwargs.get('rc', {})
            xtick_correct = rc_params.get('xtick.color') == 'white'
            ytick_correct = rc_params.get('ytick.color') == 'white'
            facecolor_correct = rc_params.get('figure.facecolor') == 'grey'

            _dynamic_test(
                self,
                style_name_correct and xtick_correct and ytick_correct and facecolor_correct,
                "The style is set to 'ticks' with white ticks and grey background.",
                "Expected `sns.set_style('ticks', {'xtick.color': 'white', 'ytick.color': 'white', 'figure.facecolor': 'grey'})`."
            )

    # Test boxplot implementation
    def test_boxplot_params(self):
        with patch('seaborn.boxplot') as mock_box:
            with patch('matplotlib.pyplot.show'):
                if 'user_code' in sys.modules:
                    importlib.reload(sys.modules['user_code'])
                import user_code
            
            if not mock_box.called:
                _dynamic_test(self, False, "", "Expected `sns.boxplot()` to be used.")
                return

            args, kwargs = mock_box.call_args
            
            # Check data binding
            x_check = kwargs.get('x') == 'distance'
            y_check = kwargs.get('y') == 'method'
            data_check = kwargs.get('data') is user_code.df

            # Check styling parameters
            width_check = kwargs.get('width') == 0.6
            linewidth_check = kwargs.get('linewidth') == 2
            saturation_check = kwargs.get('saturation') == 0.4
            palette_check = kwargs.get('palette') == 'vlag'

            _dynamic_test(
                self,
                all([x_check, y_check, width_check, linewidth_check, saturation_check, palette_check]),
                "The `boxplot` parameters (`width`, `linewidth`, `saturation`, etc.) are configured correctly.",
                f"Expected `width=0.6`, `linewidth=2`, `saturation=0.4`, `palette='vlag'`. Got: {kwargs}"
            )

    # Test show
    def test_show_used(self):
        with patch('seaborn.boxplot'):
            with patch('matplotlib.pyplot.show') as mock_show:
                if 'user_code' in sys.modules:
                    importlib.reload(sys.modules['user_code'])
                import user_code

                _dynamic_test(
                    self,
                    mock_show.called,
                    "The `plt.show()` function is used.",
                    "Expected `plt.show()` to be used to display the plot."
                )

if __name__ == '__main__':
    unittest.main()

test_code.py

Utforsk kraften i statistisk datavisualisering utviklet for å avdekke mønstre og sammenhenger. Bruk Seaborn til å lage informative fordelingsdiagrammer, varmekart og kategoriske diagrammer med minimal kode. Lær å anvende estetiske temaer og fargepaletter som gjør kompleks statistisk data tilgjengelig og lett å tolke.

Oppsummering av Data med Boksdiagrammer

Hvorfor bruke et boxplot?

Viktige parametere

Eksempel

Løsning