sns.boxplot()
-
箱形图（Box-plot）：
-
又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数及上下四分位数
#参数如下：
seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
x，y：dataframe中的列名（str）或者矢量数据
data：dataframe或者数组
hue（str）：dataframe的列名，按照列名中的值分类形成分类的条形图
palette：调色板，控制图像的色调
order, hue_order (lists of strings)：用于控制条形图的顺序
orient：“v”|“h” 用于控制图像使水平还是竖直显示（这通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用）
fliersize：float，用于指示离群值观察的标记大小
whis： 确定离群值的上下界（IQR超过低和高四分位数的比例），此范围之外的点将被识别为异常值。IQR指的是上下四分位的差值。
width： float，控制箱型图的宽度
使用iris数据集作为例子
x参数（箱型图横着放，默认也是横着放）
%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
import warnings
warnings.filterwarnings('ignore')
plt.rc("font",family="SimHei",size="15") #解决中文乱码问题
data=pd.DataFrame(load_iris().data,columns=load_iris().feature_names)
data['sample']=load_iris().target
data.columns
Index(['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)','petal width (cm)', 'sample'],dtype='object')
#x参数,下面结果都一致
# sns.boxplot(x=data['sepal length (cm)'])
sns.boxplot(x=data['sepal length (cm)'],data=data)
# sns.boxplot(x='sepal length (cm)',data=data)
# sns.boxplot(data['sepal length (cm)'])
<AxesSubplot:xlabel='sepal length (cm)'>
y参数（竖着放）
#y参数,下面结果都一致
# sns.boxplot(y=data['sepal length (cm)'])
sns.boxplot(y=data['sepal length (cm)'],data=data)
# sns.boxplot(y='sepal length (cm)',data=data)
# sns.boxplot(y='sample',data=data)
<AxesSubplot:ylabel='sepal length (cm)'>
直接是data
sns.boxplot(data=data)
<AxesSubplot:>
