任务简介

    上一章我们使用了直方图，它很好地展现了变量的分布。但是如果我们需要更多的信息呢？也许我们想要更清晰地看到数值的标准偏差？也许中位数与均值有很大不同，是否存在很多离群值？即，是否存在中位数与均值的较大偏差，使得大部分数值都集中在某一边呢。

    这就是箱形图所适合干的事情了。

什么是箱形图

箱形图，如图所示，给我们提供了上述所提及的信息。实线框的底部和顶部总是第一个和第三个四分位（比如 25% 和 75% 的数据），箱体中的横线指示的是第二个四分位（中位数）。像胡须一样的两条线（即上顶线和结尾线）从这个箱体伸出，显示的是数据的范围。实心的圆点表示异常值。

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。因形状如箱子而得名。其作用主要是用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

任务1：使用箱形图展现各行政区域房价分布

• 步骤一：撰写代码，读取数据并展现。

#!/usr/bin/Python  # -*- coding: gbk -*-  import pandas as pd  import matplotlib.pyplotas plt  import numpyas np  plt.rcParams['font.sans-serif'] = ['SimHei']  plt.rcParams['axes.unicode_minus'] = False    # 读取本地数据  house = pd.read_csv('result.csv', encoding='gbk')  # 只取温州市三区的数据进行查看  house = house[(house.district.isin(['鹿城','龙湾','瓯海']))]  # 温州市各行政区划租赁价格箱形图  house.boxplot(column='price', by='district', whis=1.5)  plt.xlabel("行政区域")  plt.ylabel("租赁价格（元）")  plt.show()

• 步骤二：运行代码，可视化的结果如图所示。

                             

    箱形图具有较强的数据分布检查和异常值检查功能。从温州市各行政区租赁价格的箱型图（图4.3）可以看出，鹿城存在上侧异常值。易得出，箱形图具有以下作用：

（1）可以直观明了地识别数据中的异常值；

（2）利用箱形图可以判断数据的偏态和尾重；

      （3）利用箱形图可以比较不同批次的数据形状。