데이터의 통계값을 표현하는 박스플롯 boxplot

[학습목표]
박스플롯을 이용하여 데이터의 통계와 이상치를 표현할 수 있다.

import matplotlib.pyplot as plt
import pandas as pd

# 그래프에 한글 설정
plt.rcParams['font.family'] = 'NanumGothic'

# 그래프에 마이너스 기호 깨지는 문제 해결
plt.rcParams['axes.unicode_minus'] = False

박스플롯

• 데이터로부터 얻어진 아래의 다섯 가지 요약 수치를 사용해서 그려진다.
  최소값
  제 1사분위 수 (Q1) : 전체 데이터 중 하위 25%에 해당하는 값
  제 2사분위 수 또는 중위수 (Q2)
  제 3사분위 수 (Q3) : 전체 데이터 중 상위 25%에 해당하는 값
  최대값
  
  
• 다른 값들과 동떨어진 값을 이상치로 표현한다.
  어떤 값이 (1/4 지점의 값 - 1.5 * 사분위수 범위) 보다 작거나,
  어떤 값이 (3/4 지점의 값 + 1.5 * 사분위수 범위) 보다 크면 그 값을 이상치로 정한다.
• 사분위수 범위 = 3/4 지점의 값 - 1/4 지점의 값

샘플 데이터

• 125명의 점수 데이터

scores = pd.Series([0,10,15,15,15,16,19,20,21,25,25,26,26,29,30,35,36,37,39,40,41,41,44,45,45,45,45,47,
          50,50,50,50,51,51,51,53,54,55,55,56,60,61,62,62,63,64,65,65,65,65,66,66,66,66,66,
          67,68,68,69,70,70,70,70,70,70,70,70,71,71,71,71,71,72,72,72,72,73,74,74,74,75,75,
          76,76,76,77,77,77,77,78,78,78,78,78,79,79,79,79,80,80,80,80,80,80,81,81,81,82,82,
          85,85,85,88,88,89,90,90,90,93,93,95,95,95,97,100])

샘플데이터의 통계값

시리즈.describe()

scores.describe()

count    125.000000
mean      63.416000
std       21.763829
min        0.000000
25%       50.000000
50%       70.000000
75%       78.000000
max      100.000000
dtype: float64

 

이상치 구하기

• 1/4 지점의 값 : 시리즈.quantile(.25)
• 3/4 지점의 값 : 시리즈.quantile(.75)
• 이상치
  1/4 지점의 값 - 1.5 * 사분위수 범위
  3/4 지점의 값 + 1.5 * 사분위수 범위

Q1 = scores.quantile(.25)
print('1/4 지점의 값 : ',Q1)

Q3 = scores.quantile(.75)
print('3/4 지점의 값 : ',Q3)

# 이상치
print('이상치:',Q1 - 1.5*(Q3-Q1),'미만')

# 3/4 지점의 값 + 1.5 * 사분위수 범위
print('이상치:',Q3 + 1.5*(Q3-Q1),'이상')

1/4 지점의 값 :  50.0
3/4 지점의 값 :  78.0
이상치: 8.0 미만
이상치: 120.0 이상

 

박스플롯

* plt.boxplot(data)

plt.boxplot(scores)

 

평균 표시하기

• showmeans=True
• meanline=True

plt.boxplot(scores,showmeans=True, meanline=True)

 

수평 박스플롯

• vert=False

plt.boxplot(scores,showmeans=True, meanline=True, vert=False)

 

여러개의 데이터 비교하기

샘플 데이터

• 붓꽃 데이터

import seaborn as sns
iris = sns.load_dataset('iris')
iris.head()

"""
sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

 

여러 개의 데이터 비교하기

• plt.boxplot(데이터리스트, labels=레이블리스트)

plt.boxplot([ iris['sepal_length'], iris['sepal_width'], iris['petal_length'], iris['petal_width']    ]
           , labels=['sepal_length', 'sepal_width','petal_length','petal_width']
           , showmeans=True)
plt.grid(axis='y')
plt.show()