时间:2021-05-22
这篇文章主要介绍了Python箱型图绘制与特征值获取过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
它主要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
如何利用Python绘制箱型图
需要的import的包
该函数是绘制多箱型图,且数据长度不一致的情况,input_dict = {filename1:[a1,a2,...,an],filename2:[b1,b2,...,bn]...} Y_label = 'Img_name'
结果显示
如何获取箱型图特征
"""【函数说明】获取箱体图特征【输入】 input_list 输入数据列表【输出】 out_list:列表的特征[下限,Q1,Q2,Q3,上限] 和 Error_Point_num:异常值数量【版本】 V1.0.0【日期】 2019 10 16"""def BoxFeature(input_list): # 获取箱体图特征 percentile = np.percentile(input_list, (25, 50, 75), interpolation='linear') #以下为箱线图的五个特征值 Q1 = percentile[0]#上四分位数 Q2 = percentile[1] Q3 = percentile[2]#下四分位数 IQR = Q3 - Q1#四分位距 ulim = Q3 + 1.5*IQR#上限 非异常范围内的最大值 llim = Q1 - 1.5*IQR#下限 非异常范围内的最小值 # llim = 0 if llim < 0 else llim # out_list = [llim,Q1,Q2,Q3,ulim] # 统计异常点个数 # 正常数据列表 right_list = [] Error_Point_num = 0 value_total = 0 average_num = 0 for item in input_list: if item < llim or item > ulim: Error_Point_num += 1 else: right_list.append(item) value_total += item average_num += 1 average_value = value_total/average_num # 特征值保留一位小数 out_list = [average_value,min(right_list), Q1, Q2, Q3, max(right_list)] # print(out_list) out_list = Save1point(out_list) return out_list,Error_Point_num以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
箱线图简介箱线图又称箱形图或盒须图,该图是由5个特征值绘制而成的图形。5个特征值是变量的最大值、最小值、中位数、第1四分位数和第3四分位数。连接两个分位数画出一
共轭梯度法,特征值聚堆情况下迭代次数讨论输入各种特征值聚堆与分散时的矩阵,并应用共轭梯度法,观察迭代次数与聚堆情况的关系。因为对角矩阵的对角线元素为其特征值,则
本文主要研究的是使用Python+pillow绘制矩阵盖尔圆的一个实例,具体如下。盖尔圆是矩阵特征值估计时常用的方法之一,其定义为:与盖尔圆有关的两个定理为:定
#检查数据中是否有缺失值np.isnan(train).any()Flase:表示对应特征的特征值中无缺失值True:表示有缺失值通常情况下删除行,使用参数ax
下面代码中利用了两种比对的方法,一对图片矩阵(mxm)求解特征值,通过比较特征值是否在一定的范围内,判断图片是否相同。二对图片矩阵(mxm)中1求和,通过比较s