Python用boxplot画箱线图看数据分布和异常值

本文深入解析了使用 matplotlib 的 `plt.boxplot()` 绘制专业级箱线图的关键细节与常见陷阱：从数据格式必须为 list of arrays、横向布局需显式设置 `vert=False`，到 NaN 值静默丢弃带来的样本量偏差风险；强调宽度反映样本量需手动计算 `widths` 参数，警示不可混用 `sns.boxplot()` 导致的坐标轴失效和异常值重复渲染；明确指出异常值判定严格固定为 1.5×IQR 且不可配置，业务中面对偏态数据需自主重定义阈值并回溯原始数据定位异常点；最后揭秘中文显示糊、标签截断、保存失真等“看似简单却反复踩坑”的根源——必须在导入后全局配置 `rcParams` 并规范保存参数。这不仅是一份绘图指南，更是数据可视化中默认行为与真实需求对齐的实战避坑手册。

用 plt.boxplot() 画基础箱线图，别漏掉 vert=False

默认竖着画，但横向更适配多组并排比较或标签长的场景。不加 vert=False，强行旋转坐标轴反而容易错位、刻度对不齐。

• 输入数据是 list of arrays（比如 [data_a, data_b, data_c]），不是单个 array；传单个会画成一根线，不是“多组对比”
• 如果数据含 NaN，plt.boxplot() 默认跳过，但不会报错——看着图正常，实际样本量已缩水，得先用 np.isnan() 检查
• 想让箱子宽度反映样本量？得手动算权重传给 patch_artist=True + widths= 参数，原生不支持自动缩放

ax.boxplot() 和 sns.boxplot() 别混用同一张图

前者是 matplotlib 原生命令，后者底层重绘了 artist，混用会导致 ax.set_xticklabels() 失效、异常值点重复渲染、甚至 plt.show() 卡住。

• 坚持用 ax.boxplot()：适合需要精细控制每个箱子颜色、线条粗细、异常值标记样式的场景，比如论文插图
• 坚持用 sns.boxplot()：适合快速看分组趋势，自动处理分类变量 x 轴，但传入的 DataFrame 列名必须是字符串，不能是 int 或 None
• 两者都支持 showfliers=False 隐藏异常值点，但 sns 还要额外设 flierprops={'markersize': 0} 才彻底不占空间

异常值判定逻辑不是固定 1.5×IQR，但改不了

plt.boxplot() 和 sns.boxplot() 全部硬编码使用 Q1 - 1.5×IQR 和 Q3 + 1.5×IQR，没参数可调。想换阈值（比如用 3×IQR 或标准差法），只能自己算出上下界，再用 plt.scatter() 手动标点。

• 真实业务中，若数据明显偏态（比如收入、响应时间），直接依赖 1.5×IQR 容易把大量合理高值判为异常
• 检查异常值位置用 bp = ax.boxplot(...); print(bp['fliers'][0].get_ydata())，注意返回的是屏幕坐标，不是原始数据值
• 导出异常值本身得回溯原始数组：对每组数据单独算 q1, q3 = np.percentile(data, [25, 75]); iqr = q3 - q1; mask = (data q3 + 1.5*iqr)

中文标签和字体大小一动就糊？关键在 plt.rcParams 初始化

不是每次画图都临时设 font.sans-serif，而是在 import 后立刻全局配置，否则子图、图例、坐标轴文字可能部分失效。

• 必须加这三行（顺序不能错）：

  plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
  plt.rcParams['axes.unicode_minus'] = False
  plt.rcParams['font.size'] = 12

• 如果用 Jupyter，重启 kernel 后这些设置会丢，建议写进启动脚本或 notebook 开头 cell
• 保存图片用 plt.savefig(..., dpi=300, bbox_inches='tight')，漏掉 bbox_inches 会导致中文标签被截断

字体、坐标轴、异常值逻辑这三块最容易在调试后期才暴露，尤其当数据量变大或换环境运行时——不是代码错了，是默认行为和你预期不一致。

以上就是《Python用boxplot画箱线图看数据分布和异常值》的详细内容，更多关于的资料请关注golang学习网公众号！