最近在接觸kaggle的競賽示例，練習了一下，感覺受益匪淺。同時，心中也有個問題。拿到數據之后第一件事是什么？分析數據的情況？怎么分析？分析之后如何去處理數據呢？等等一些數據分析的工作。其中，大家都可能非常清楚條形圖、直方圖、散點圖和曲線圖的用處，但是箱型圖呢？（或者稱為盒須圖）。

他的意義在哪里呢？在python中又是如何實現的呢？箱型圖：從字面上理解就是箱子的圖，如下圖： 

箱型圖有5個參數： 

下邊緣（Q1），表示最小值；
下四分位數（Q2），又稱“第一四分位數”，等于該樣本中所有數值由小到大排列后第25%的數字；
中位數（Q3），又稱“第二四分位數”等于該樣本中所有數值由小到大排列后第50%的數字；
上四分位數（Q4），又稱“第三四分位數”等于該樣本中所有數值由小到大排列后第75%的數字；
上邊緣（Q5），表述最大值。 

第三四分位數與第一四分位數的差距又稱四分位間距。

那為什么要引入箱形圖呢？我們來進行分析：

1.為了反映原始數據的分布情況，比如數據的聚散情況和偏態?？纯础督y計學》這本書的插圖

從圖中我們可以直觀地看出，箱形圖的中位數和上四分位數的間距比較窄的話，對應曲線圖，這個間距內的數據比較集中，還有就是箱形圖的上（下）邊緣比較長的話，對應曲線圖，尾巴就比較長。

2.箱型圖有個功能就是可以檢測這組數據是否存在異常值。異常值在哪里呢？就是在上邊緣和下邊緣的范圍之外。（這個我也不太懂，總感覺和正態分布有一腿）

3.可以直觀地比較多組數據的情況。還是《統計學》中的示例。

多組成績的箱形圖如下：

從這圖我們可以很直觀地看出以下信息：
1.各科成績中，英語和西方經濟學的平均成績比較高，而統計學和基礎會計學的平均成績比較低。（用中位數來衡量整體情況比較穩定）

2.英語、市場營銷學、西方經濟學、計算機應用基礎和財務管理成績分布比較集中，因為箱子比較短。而經濟數學、基礎會計學和統計學成績比較分散，我們可以對照考試成績數據看看也可以證實。

3.從各個箱形圖的中位數和上下四位數的間距也可以看出，英語和市場營銷學的成績分布是非常的對稱，而統計學呢？非常的不平衡，大部分數據都分布在70到85(中位數到上四分位數)分以上。同樣，也可以從成績單里的數據證實

4.在計算機應用基礎對應的箱形圖出現了個異常點，我們回去看看成績單，計算機那一欄，出現了個計算機大牛（真希望是我），考了95分，比第二名多了10分。而其他同學的成績整體在80分左右。

5。其實我們也可以從中得知，用平均值去衡量整體的情況有時很不合理，用中位數比較穩定，因為中位數不太會收到極值的影響，而平均值則受極值的影響很大。

那么在python怎么去畫箱型圖呢？
本人用的是python 3,anaconda 平臺。主要的模塊有matplotlib,pandas,numpy

#首先導入基本的繪圖包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

#添加成績表
plt.style.use("ggplot")
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif']=['SimHei']

#新建一個空的DataFrame
df=pd.DataFrame()

 #添加成績單，最后顯示成績單表格
df["英語"]=[76,90,97,71,70,93,86,83,78,85,81]
df["經濟數學"]=[65,95,51,74,78,63,91,82,75,71,55]
df["西方經濟學"]=[93,81,76,88,66,79,83,92,78,86,78]
df["計算機應用基礎"]=[85,78,81,95,70,67,82,72,80,81,77]
df

#用matplotlib來畫出箱型圖
plt.boxplot(x=df.values,labels=df.columns,whis=1.5)
plt.show()

#用pandas自帶的畫圖工具更快
df.boxplot()
plt.show()

好了！今天的箱形圖就總結這里了。下次記得拿到數據的時候，要記得分析數據的分布以及數據間的關系哦，尤其是用可視化的手段去分析。