数据可视化（5）热力图及箱型图

python 复制代码

#基本热力图
#imshow（x）
#x，数据
x=[[1,2],[3,4],[5,6],[7,8],[9,10]]
plt.imshow(x)
plt.show()

python 复制代码

#使用热力图分析学生的成绩
df=pd.read_excel('学生成绩表.xlsx')
#:表示行号 截取数学到英语的列数
x=df.loc[:,"数学":'英语'].values
#设置x轴坐标轴刻度
plt.xticks(range(3),['数学','语文','英语'])
plt.yticks(range(10),df['姓名'])
#绘制热力图
plt.imshow(x)
plt.title('学生成绩热力图')
#显示颜色条
plt.colorbar()
plt.show()

python 复制代码

#基本箱型图
#boxplot(x,whis=None,widths=None,patch_artist=None,showmeans=None,boxprops=None)
#x指定要绘制箱型图的数据
#whis指定上下限与上下四分位的距离，默认为1.5倍的四分位差
#widths指定箱型图的宽度，默认为0.5
#patch_artist是否填充箱体的颜色
x=[1,3,5,7,9]
plt.boxplot(x)
plt.show()

python 复制代码

#绘制多箱型图
x=[1,3,5,7,9]
x2=[10,78,45,34,20]
x3=[20,28,46,54,60]
plt.boxplot([x,x2,x3])
plt.show()

python 复制代码

#分析25%中位数等计算过程
x=[20,28,46,54,60]
#排序
x.sort()
s=pd.Series(x)
#排序之后最中间的位置的数就是中位数
print(s.quantile(q=0.5))
#下四分位计算公式1+（n-1）*0.25
print(s.quantile(q=0.25))
#上四分位数计算公式1+（n-1）*0.75
print(s.quantile(q=0.75))

python 复制代码

#通过箱型图判断总销售的异常值
df=pd.read_excel('tips.xlsx')
plt.boxplot(
    df['总消费'],
    patch_artist=True,#填充箱子颜色
    showmeans=True,#显示均值
    #异常值的填充色，边框颜色，大小
    flierprops={'markerfacecolor':'red','markeredgecolor':'r','markersize':'5'},
    #设置均值的符号，颜色，大小
    meanprops={'marker':'h','mfc':'black','markersize':8},
    medianprops={'linestyle':'--','color':'r'}
)
plt.show()
#查找异常值
#计算四分位数
Q1=df['总消费'].quantile(q=0.25)
Q2=df['总消费'].quantile(q=0.75)
#上限，下限
low=Q1-1.5*(Q2-Q1)
up=Q2+1.5*(Q2-Q1)
#查找异常
val=df['总消费'][(df['总消费']>up)|(df['总消费']<low)]
val