时间:2021-05-22
我就废话不多说了,直接上代码吧!
# -*- coding: utf-8 -*- import pandas as pdimport matplotlib.pyplot as plt catering_sale = '../data/catering_sale.xls'data = pd.read_excel(catering_sale, index_col=u'日期') #指定日期列为索引,data类型为DataFrame plt.rcParams['font.sans-serif'] = ['SimHei'] #指定字体为黑体plt.rcParams['axes.unicode_minus'] = False #显示负号 plt.figure()p = data.boxplot(return_type='dict') #画箱式图 x = p['fliers'][0].get_xdata() #fliers为异常值标签,get_xdata()与get_ydata()用来获取横纵坐标数组y = p['fliers'][0].get_ydata()y.sort() #使用annotate添加注释,xy表示标注点坐标, xytext表示注释坐标for i in range(len(x)): if i > 0: plt.annotate(y[i], xy=(x[i], y[i]), xytext=(x[i]+0.05 - 0.8/(y[i]-y[i-1]), y[i])) else: plt.annotate(y[i], xy=(x[i], y[i]), xytext=(x[i]+0.08, y[i])) plt.show() 以上这篇Pandas+Matplotlib 箱式图异常值分析示例就是小编分享给大家的全部内容了,希望能给大家一个参考,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。
本文实例讲述了Python基于matplotlib画箱体图检验异常值操作。分享给大家供大家参考,具体如下:#-*-coding:utf-8-*-#!python
本文以2019年全国各城市的空气质量观测数据为例,利用matplotlib、calmap、pyecharts绘制日历图和热力图。在绘图之前先利用pandas对空
引入 numpy已经能够帮助我们处理数据,能够结合matplotlib解决我们数据分析的问题,那么pandas学习的目的在什么地方呢?numpy能够帮我们处理
首先我们简单地区分一下离群点(outlier)以及异常值(anomaly):离群点:异常值:个人觉着异常值和离群点是两个不同的概念,当然大家在数据预处理时对于这
0.摘要在Python中,尤其是数组当中,对于一些异常值往往需要进行特殊处理。为了防止异常值与正常数据混淆,影响最终计算结果,常用的方法是将异常值置零或者置空。