Leer Boxplot | Meer Statistische Grafieken

Definitie

Boxplot is een ander uiterst gebruikelijk diagram in de statistiek dat wordt gebruikt om de centrale tendens, spreiding en mogelijke uitschieters binnen de gegevens te visualiseren via hun kwartielen.

Kwartielen

Kwartielen verdelen de gegevenspunten (gesorteerd in oplopende volgorde) in vier gelijke delen. Er zijn er drie:

Het eerste kwartiel (Q1) is het middelste getal tussen de kleinste waarde (getal) van de steekproef en de mediaan (25% van de gegevens ligt in dit bereik);
Het tweede kwartiel (Q2) is de mediaan zelf (50% van de gegevens ligt onder de mediaan);
Het derde kwartiel (Q3) is het middelste getal tussen de mediaan van de steekproef en de hoogste waarden van de steekproef (75% van de gegevens ligt onder Q3).

Elementen van een boxplot

De rechterkant van de rode rechthoek geeft het derde kwartiel weer en de linkerkant geeft het eerste kwartiel weer;
Q3 - Q1 wordt het interkwartielafstand (IQR) genoemd, weergegeven door de rechthoek waarbij de gele lijn de mediaan is;
De zwarte lijnen buiten de rechthoek worden snorharen genoemd. De linker geeft $\text{Q1} - 1.5 \cdot \text{IR}$ weer, en de rechter geeft $\text{Q3} + 1.5 \cdot \text{IR}$ weer;
De datapunten die buiten de snorharen vallen, worden uitbijters genoemd.

De volgende stap is het genereren van een boxplot met behulp van de matplotlib-bibliotheek:


              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()

Boxplotgegevens

De functie boxplot() uit de module pyplot wordt gebruikt met de eerste en enige verplichte parameter x die de gegevens voorstelt. Deze gegevens kunnen een array-achtig object zijn (bijvoorbeeld een Series), een 2D-array (er wordt een boxplot getekend voor elke kolom), of een reeks van 1D-arrays (er wordt een boxplot getekend voor elke array).

Optionele parameters

De parameter tick_labels is een uitzondering. Deze is met name handig om niet alleen een enkele boxplot te labelen, maar ook om de boxplots te labelen wanneer er meer dan één array is:


              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()

In dit voorbeeld werd de volledige DataFrame met twee kolommen doorgegeven aan boxplot(), wat resulteert in afzonderlijke boxplots voor elke kolom met automatisch toegewezen labels.

Meer Bestuderen

Er zijn ook behoorlijk wat optionele parameters voor het aanpassen van de boxplot, die je kunt verkennen in de boxplot() documentatie, maar in de praktijk zul je deze zelden gebruiken.

Taak

Swipe to start coding

Maak twee boxplots met behulp van twee steekproeven uit de standaard normale verdeling:

Gebruik de juiste functie om de boxplots te maken.
Gebruik de lijsten normal_sample_1 en normal_sample_2 (in deze volgorde van links naar rechts) als de data.
Label de linker boxplot als First sample en de rechter als Second sample met behulp van de list.

Oplossing

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 4. Hoofdstuk 2

single

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Awesome!

Completion rate improved to 3.85

Veeg om het menu te tonen