python实现箱型分析_箱形图以及python实践

最近在接触kaggle的竞赛示例，练习了一下，感觉受益匪浅。同时，心中也有个问题。拿到数据之后第一件事是什么？分析数据的情况？怎么分析？分析之后如何去处理数据呢？等等一些数据分析的工作。其中，大家都可能非常清楚条形图、直方图、散点图和曲线图的用处，但是箱形图呢？(或者称为盒须图)。他的意义在哪里呢？在python中又是如何实现的呢？

于是我今天翻开了贾俊平老师的那本《统计学》琢磨了一下午，又参考了各大网友的博客，于是在此作下总结。

箱形图：从字面上理解就是箱子的图，如下图：

 

箱形图有5个参数：

下边缘(Q1)，表示最小值；

下四分位数(Q2)，又称“第一四分位数”，等于该样本中所有数值由小到大排列后第25%的数字；

中位数(Q3)，又称“第二四分位数”等于该样本中所有数值由小到大排列后第50%的数字；

上四分位数(Q4)，又称“第三四分位数”等于该样本中所有数值由小到大排列后第75%的数字；

上边缘(Q5)，表述最大值。

第三四分位数与第一四分位数的差距又称四分位间距。

那为什么要引入箱形图呢？这里有篇博文也不错箱形图分析

1.为了反映原始数据的分布情况，比如数据的聚散情况和偏态。看看《统计学》这本书的插图

 

从图中我们可以直观地看出，箱形图的中位数和上四分位数的间距比较窄的话