Python财经应用-编程基础、数据分析与可视化课件 第7章-Matplotlib库与数据可视化-7.3Matplotlib库绘图的基本流程-7.4使用Matplotlib库绘图常用图表

Python财经应用：编程基础、数据分析与可视化第七章Matplotlib库与数据可视化中国农业大学李辉Matplotlib库与数据可视化01数据可视化概述02Matplotlib库的概述03Matplotlib库绘图的基本流程04使用Matplotlib库绘图常用图表05图表辅助元素的设置Matplotlib库与数据可视化01数据可视化概述02Matplotlib库的概述03Matplotlib库绘图的基本流程04使用Matplotlib库绘图常用图表05图表辅助元素的设置7.3Matplotlib库绘图的基本流程第七章Matplotlib库与数据可视化Matplotlib库绘图的基本流程——创建简单图表的基本流程通过pipinstallmatplotlib命令进行自动安装Matplotlib库后，用Matplotlib画图一般需要如下5个流程：导入模块、创建画布、制作图形、美化图片（添加各类标签和图例）、保存并显示图表。1.导入matplotlib.pyplot模块importmatplotlib.pyplotaspltMatplotlib使用rc参数定义图形的各种默认属性，如画布大小、线条样式、坐标轴、文本、字体等，rc参数存储在字典变量中，根据需要可以修改默认属性。例如，使用以下设置语句可以在图表中正常显示中文或坐标轴的负号刻度。

plt.rcParams['font.sans-serif']=['SimHei']#设置字体正常显示中文plt.rcParams['axes.unicode_minus']=False#设置坐标轴正常显示负号Matplotlib库绘图的基本流程——创建简单图表的基本流程通过pipinstallmatplotlib命令进行自动安装Matplotlib库后，用Matplotlib画图一般需要如下5个流程：导入模块、创建画布、制作图形、美化图片（添加各类标签和图例）、保存并显示图表。1.导入matplotlib.pyplot模块importmatplotlib.pyplotasplt2.创建画布在使用Matplotlib进行绘图之前，需要创建一个绘图对象。如果未显式创建，调用绘图函数时，Matplotlib会自动生成一个。deffigure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None,frameon=True,FigureClass=Figure,clear=False,**kwargs)Matplotlib库绘图的基本流程——创建简单图表的基本流程2.创建画布在使用Matplotlib进行绘图之前，需要创建一个绘图对象。如果未显式创建，调用绘图函数时，Matplotlib会自动生成一个。deffigure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None,frameon=True,FigureClass=Figure,clear=False,**kwargs)参数说明：num：可选参数，用于指定窗口的标识符，若不提供，则自动递增。figsize：可选参数，指定画布的大小，默认为rcParams中的设置。dpi：可选参数，指定画布的分辨率，默认为rcParams中的设置。facecolor：可选参数，指定画布的背景颜色，默认为rcParams中的设置。edgecolor：可选参数，指定画布边框的颜色，默认为rcParams中的设置。frameon：可选参数，是否绘制画布的边框，默认为True。FigureClass：可选参数，用于指定自定义的图形类。clear：可选参数，若为True且窗口已存在，则清空窗口内容。Matplotlib库绘图的基本流程——创建简单图表的基本流程3.绘制图表通过调用plot函数，可以在当前绘图对象中绘制图表。plt.plot(x,y,label,color,linewidth,linestyle)或plt.plot(x,y,fmt,label)参数说明：x、y：图表中数据点的X轴和Y轴坐标。label：为曲线设置图例名称。color：指定曲线的颜色。linewidth：指定曲线的宽度。linestyle：指定曲线的样式。fmt：格式化参数，用于指定颜色和线型。Matplotlib库绘图的基本流程——创建简单图表的基本流程4.添加标签和图例绘制图表后，需要添加标签和图例以增强图表的可读性。相关函数如下：plt.xlabel：设置x轴标签。plt.ylabel：设置y轴标签。plt.title：设置图表标题。plt.xlim：设置x轴范围。plt.ylim：设置y轴范围。plt.xticks：设置x轴刻度。plt.yticks：设置y轴刻度。plt.legend：添加图例。Matplotlib库绘图的基本流程——创建简单图表的基本流程5.保存和显示图表完成图表的绘制和修饰后，可以使用以下函数保存和显示图表：plt.savefig：将图表保存为图片文件。plt.show：在屏幕上显示图表。【例7-1】利用Matplotlib绘制折线图，展现某企业2024年上半年收入（万元）：24、32、40、36、58、55。Matplotlib库绘图的基本流程——创建简单图表的基本流程【例7-1】

#1.导入模块importmatplotlib.pyplotasplt#2.创建画布plt.figure(figsize=(10,10),dpi=100)#3.绘制折线图plt.plot([1,2,3,4,5,6],[24,32,40,36,58,55])#4.添加标签plt.xlabel("Month")plt.ylabel("Income")#5.显示图像plt.show()Matplotlib库绘图的基本流程——创建简单图表的基本流程运行结果如图所示：Matplotlib库绘图的基本流程——绘制子图的基本流程在Matplotlib中，可以将—个绘图对象分为几个绘图区域，在每个绘图区域中可以绘制不同的图像，这种绘图形式称为创建子图。创建子图可以使用subplot函数：subplot(numRows,numCols,plotNum)参数说明：numRows：表示将整个绘图区域等分为numRows行。numCols：表示将整个绘图区域等分为numCols列。plotNum：表示当前选中要操作的区域。Matplotlib库绘图的基本流程——绘制子图的基本流程subplot函数的作用：将整个绘图区域等分为numRows（行）*numCols（列）个子区域，然后按照从左到右、从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows、numCols和plotNum这3个数都小于10，可以把它们缩写为一个整数。例如subplot(223)和subplot(2，2，3)是相同的。subplot()在plotNum指定的区域中创建图形。如果新创建的图形和先前创建的图形重叠，则先前创建的图形将被删除。Matplotlib库与数据可视化01数据可视化概述02Matplotlib库的概述03Matplotlib库绘图的基本流程04使用Matplotlib库绘图常用图表05图表辅助元素的设置7.4使用Matplotlib库绘图常用图表第七章Matplotlib库与数据可视化使用Matplotlib库绘图常用图表——绘制直方图直方图：又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示分布情况（数量或占比）。pyplot模块的hist函数用于绘制直方图：matplotlib.pyplot.hist(x,bins=None,range=None,density=None,histtype='bar',color=None,label=None,...,**kwargs)参数说明：x：数组或序列，直方图中的数据点。bins：整数或序列，用于确定直方图的柱子数量和范围。如果是整数，则表示柱子的数量；如果是序列，则给出了柱子的边界。range：元组(min,max)，表示包含直方图数据的范围。如果None，则范围由数据的最小值和最大值确定。使用Matplotlib库绘图常用图表——绘制直方图直方图：又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示分布情况（数量或占比）。pyplot模块的hist函数用于绘制直方图：matplotlib.pyplot.hist(x,bins=None,range=None,density=None,histtype='bar',color=None,label=None,...,**kwargs)参数说明：density：布尔值，如果为True，则直方图的值将进行归一化处理，以形成概率密度而不是计数。histtype：字符串，指定直方图的类型。默认为'bar'，表示柱状直方图。其他选项包括'barstacked'（堆叠柱状图），'step'（阶梯图），'stepfilled'（填充的阶梯图）等。color：颜色或颜色序列，指定直方图的颜色。可以是单个颜色值，也可以是一个颜色列表，用于为不同的柱子指定颜色。使用Matplotlib库绘图常用图表——绘制直方图直方图：又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示分布情况（数量或占比）。pyplot模块的hist函数用于绘制直方图：matplotlib.pyplot.hist(x,bins=None,range=None,density=None,histtype='bar',color=None,label=None,...,**kwargs)参数说明：label：字符串或序列，为直方图添加图例标签。...：这里省略了一些其他参数，例如align（柱子的对齐方式），orientation（直方图的方向，默认为垂直），rwidth（柱子的相对宽度）等。**kwargs：其他的关键字参数，可以用来进一步控制直方图的样式和属性，例如edgecolor（柱子边缘的颜色），linewidth（柱子边缘的线宽），alpha（透明度）等。使用Matplotlib库绘图常用图表——绘制直方图【例7-3】利用hist函数绘制“大数据211班成绩表”中“数据结构”成绩分布的直方图。

importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_excel("./大数据211班成绩表.xlsx")x=df['数据结构']plt.rcParams['font.sans-serif']=['SimHei']plt.xlabel('分数')plt.ylabel('学生数量')#显示图表题plt.title("大数据211班数据结构成绩分布直方图")plt.hist(x,bins=[0,20,40,60,80,100],facecolor='b',edgecolor='black',alpha=0.5)plt.show()使用Matplotlib库绘图常用图表——绘制直方图运行结果如下：使用Matplotlib库绘图常用图表——绘制散点图散点图：亦称散布图，是一种通过在直角坐标系中布置坐标点（散点）来揭示两个特征之间统计关系的图表。它以一个特征为横轴，另一个特征为纵轴，通过点的分布形态来反映特征间的相互关系。pyplot模块中的scatter函数用于绘制散点图：matplotlib.pyplot.scatter(x,

y,

s=None,

c=None,

marker=None,

alpha=None,

linewidths=None,

...,

**kwargs)参数说明：x：数组或序列，散点图中每个点的x轴坐标。y：数组或序列，散点图中每个点的y轴坐标。s：标量或数组，指定散点的大小。如果是一个标量，则所有点的大小都相同；如果是一个数组，则每个点可以有不同的size。使用Matplotlib库绘图常用图表——绘制散点图散点图：亦称散布图，是一种通过在直角坐标系中布置坐标点（散点）来揭示两个特征之间统计关系的图表。它以一个特征为横轴，另一个特征为纵轴，通过点的分布形态来反映特征间的相互关系。pyplot模块中的scatter函数用于绘制散点图：matplotlib.pyplot.scatter(x,

y,

s=None,

c=None,

marker=None,

alpha=None,

linewidths=None,

...,

**kwargs)参数说明：c：颜色或颜色序列，指定散点的颜色。可以是单个颜色值，也可以是一个与x和y长度相同的数组，用于为每个点指定颜色。marker：标记的样式，指定散点的形状。例如，‘o’表示圆圈，‘s’表示正方形，等等。alpha：透明度，标量，指定散点的透明度，范围从0（完全透明）到1（完全不透明）。使用Matplotlib库绘图常用图表——绘制散点图散点图：亦称散布图，是一种通过在直角坐标系中布置坐标点（散点）来揭示两个特征之间统计关系的图表。它以一个特征为横轴，另一个特征为纵轴，通过点的分布形态来反映特征间的相互关系。pyplot模块中的scatter函数用于绘制散点图：matplotlib.pyplot.scatter(x,

y,

s=None,

c=None,

marker=None,

alpha=None,

linewidths=None,

...,

**kwargs)参数说明：linewidths：标量或数组，指定散点边缘的线宽。如果是一个标量，则所有点的边缘线宽都相同；如果是一个数组，则每个点可以有不同的线宽。...：这里省略了一些其他参数，例如edgecolors（边缘颜色），facecolors（填充颜色）等。**kwargs：其他的关键字参数，可以用来进一步控制散点的样式和属性，例如zorder（绘制顺序），label（图例标签）等。使用Matplotlib库绘图常用图表——绘制散点图【例7-4】利用scatter函数绘制销售额与利润额关系的散点图

importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_excel(r'./data/sales.xlsx')plt.rcParams['font.sans-serif']='SimHei'#显示中文plt.rcParams['axes.unicode_minus']=False#设置正常显示符号df_scatter=df[df['城市']=='广州']#选择广州的数据plt.scatter(x=df_scatter['销售额'],y=df_scatter['利润额'],marker='+',alpha=0.7)plt.title('销售额与利润额的关系散点图')#添加标题plt.xlabel('销售额/元')#添加x轴的名称plt.ylabel('利润额/元')#添加y轴的名称plt.show()使用Matplotlib库绘图常用图表——绘制散点图运行结果如下：使用Matplotlib库绘图常用图表——绘制柱状图柱形图：也被称作长条图、柱状图或条状图，是一种统计图表，通过长方形条形的长度来表示数据。这种图表由一系列垂直排列、高度不一的条纹组成，用以展示数据的分布状况。柱形图适用于比较两个或更多组别（在不同的时间点或条件下）的数据，专注于单一变量的比较，并且通常在分析较小的数据集时更为常用。pyplot模块中用于绘制柱状图的函数为bar：bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)参数说明：bar函数是Matplotlib库中的一个函数，用于绘制柱形图。以下是bar函数的参数说明：x：数组或序列，柱形图每个柱子的中心位置的x轴坐标。height：数组或序列，柱形图中每个柱子的高度。使用Matplotlib库绘图常用图表——绘制柱状图柱形图：也被称作长条图、柱状图或条状图，是一种统计图表，通过长方形条形的长度来表示数据。这种图表由一系列垂直排列、高度不一的条纹组成，用以展示数据的分布状况。柱形图适用于比较两个或更多组别（在不同的时间点或条件下）的数据，专注于单一变量的比较，并且通常在分析较小的数据集时更为常用。pyplot模块中用于绘制柱状图的函数为bar：bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)参数说明：width：柱子的宽度，可以是一个标量或与x相同长度的数组。如果提供的是一个标量，那么所有的柱子都会有相同的宽度；如果是一个数组，每个柱子的宽度可以不同。bottom：数组或序列，柱子的底部位置（即y轴的起始位置），默认为None，表示从0开始。align：柱子的对齐方式，可以是'center'（默认），'lege'或'right'。这决定了柱子是相对于x值的中心、左边缘还是右边缘对齐。使用Matplotlib库绘图常用图表——绘制柱状图柱形图：也被称作长条图、柱状图或条状图，是一种统计图表，通过长方形条形的长度来表示数据。这种图表由一系列垂直排列、高度不一的条纹组成，用以展示数据的分布状况。柱形图适用于比较两个或更多组别（在不同的时间点或条件下）的数据，专注于单一变量的比较，并且通常在分析较小的数据集时更为常用。pyplot模块中用于绘制柱状图的函数为bar：bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)参数说明：data：如果提供了data参数，那么x、height、width和bottom可以是字符串，它们将被解释为data字典中的键。**kwargs：其他的关键字参数，可以用来控制柱子的外观，如颜色（color）、边缘颜色（edgecolor）、填充颜色（facecolor）、线型（linestyle）、线宽（linewidth）等。这些参数共同定义了柱形图的外观和数据表示，使得用户能够灵活地创建满足特定需求的柱形图。使用Matplotlib库绘图常用图表——绘制折线图折线图：亦称线形图，是一种通过连线数据点来展示数据趋势的图表。它可视作将散点图中的点按照横轴（x轴）的顺序依次连接而成的图形。折线图的核心优势在于直观地展示因变量y随自变量x变化的走势，尤为适用于呈现随时间推移而变化的连续数据。在折线图中，类别数据通常沿着水平轴等距排列，而数值数据则沿着垂直轴均匀分布，以此展现数据的变化情况。使用Matplotlib库绘图常用图表——绘制饼形图饼图：亦称饼状图，是一种用于展示各分类占比的图表，它通过不同大小的扇形区域来比较各类别的相对大小。饼图的优势在于能够直观地展示各部分与整体之间的比例关系，使得每组数据相对于总数的占比一目了然，其表现方式简洁而明了。Matplotlib绘制饼形图主要使用pie()方法：pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)参数说明：data：如果提供了data参数，那么x、height、width和bottom可以是字符串，它们将被解释为data字典中的键。x:必需参数，表示饼图每个扇形的尺寸。这些值决定了每个扇形的大小。使用Matplotlib库绘图常用图表——绘制饼形图pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)参数说明：explode:可选参数，用于突出显示饼图中的某些扇形。它是一个与x相同长度的序列，其中非零值表示相应扇形从饼图中分离的距离。labels:可选参数，用于为饼图的每个扇形设置标签。它是一个字符串序列，每个元素对应x中的一个元素。x:必需参数，表示饼图每个扇形的尺寸。这些值决定了每个扇形的大小。explode:可选参数，用于突出显示饼图中的某些扇形。它是一个与x相同长度的序列，其中非零值表示相应扇形从饼图中分离的距离。labels:可选参数，用于为饼图的每个扇形设置标签。它是一个字符串序列，每个元素对应x中的一个元素。colors:可选参数，用于设置饼图中每个扇形的颜色。可以是一个颜色序列或颜色名称。使用Matplotlib库绘图常用图表——绘制饼形图pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)参数说明：autopct:可选参数，用于在饼图的每个扇形上显示百分比。它可以是格式化字符串，例如'%1.1f%%'。pctdistance:可选参数，用于设置autopct显示的百分比距离饼图中心的距离，默认值为0.6。shadow:可选参数，布尔值，如果为True，则在饼图下方绘制阴影，增加立体感。labeldistance:可选参数，用于设置标签距离饼图中心的距离，默认值为1.1。startangle:可选参数，用于设置饼图的起始角度，默认值为0，即从x轴正方向开始。radius:可选参数，用于设置饼图的半径。counterclock:可选参数，布尔值，如果为True，则扇形按照逆时针方向绘制，否则按照顺时针方向。wedgeprops:可选参数，字典类型，用于设置饼图扇形的属性，如边缘颜色、宽度等。使用Matplotlib库绘图常用图表——绘制饼形图pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)参数说明：textprops:可选参数，字典类型，用于设置饼图上文本的属性，如字体大小、颜色等。center:可选参数，元组类型，用于设置饼图中心的位置。frame:可选参数，布尔值，如果为True，则在饼图周围绘制一个框。rotatelabels:可选参数，布尔值，如果为True，则旋转标签以便它们更好地适应扇形。hold:已弃用参数，不再使用。data:可选参数，用于指定x的数据源，通常在处理pandasDataFrame时使用。使用Matplotlib库绘图常用图表——绘制饼形图饼图：饼图包括基础饼图、分裂饼图、带阴影的立体饼图以及环形图等不同样式。分裂饼图通过将关键部分从整体中分离出来，以强调其重要性。这一效果通过设置explode参数实现，该参数定义了饼图各部分与中心的距离，只需为想要突出的部分指定非零值即可。例如，若要突出第一个扇形，可以设置explode=(0.1,0,0,0,0)。带阴影的立体饼图：通过启用shadow参数来增强视觉效果shadow=True使用Matplotlib库绘图常用图表——绘制饼形图环形图：是由多个大小不一的饼图层叠而成，中间区域被移除，形成环状结构。这种图表同样通过pie函数实现，关键在于wedgeprops参数，它是一个字典，用于定义饼图内外边缘的属性，如环的宽度、颜色和边界宽度。wedgeprops={'width':0.3,'edgecolor':'blue'}绘制内嵌环形图，即双环形图时，需注意：连续调用两次pie函数。使用wedgeprops参数设置环形的边界属性。通过radius参数设定不同的半径大小。使用Matplotlib库绘图常用图表——绘制面积图面积图：用于体现数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。例如，表示随时间而变化的利润的数据，可以绘制在面积图中以强调总利润。Matplotlib绘制面积图主要使用stackplot函数：matplotlib.pyplot.stackplot(x,*args,labels=(),colors=None,baseline='zero',data=None,**kwargs)参数说明：x:1-D数组或列表，用于定义堆叠面积图的x轴值。*args:可变数量的参数，每个参数都是一个1-D数组或列表，代表堆叠面积图的y轴值。每个数组对应堆叠图中的一个层。必须至少提供一个数组。labels:字符串列表，用于为每个堆叠的层分配标签。这些标签将用于图例。colors:颜色列表或字符串，用于指定每个堆叠层的颜色。如果提供，其长度必须与*args中的层数相同。使用Matplotlib库绘图常用图表——绘制面积图面积图：matplotlib.pyplot.stackplot(x,*args,labels=(),colors=None,baseline='zero',data=None,**kwargs)参数说明：baseline:字符串或浮点数，定义堆叠的基线。默认为'zero'，表示基线是y=0。也可以设置为其他值或'sym'（表示居中对齐）。data:如果提供，则必须是一个字典，其中键是x和*args参数的名称，值是相应的数据。使用data参数时，可以在x和*args中使用字符串来引用字典中的数据。**kwargs:其他关键字参数，用于控制线条和填充区域的属性，如alpha（透明度）、edgecolor（边缘颜色）等。使用Matplotlib库绘图常用图表——绘制面积图面积图：以下是一些常用的

**kwargs参数：alpha:控制填充区域的透明度。edgecolor:填充区域的边缘颜色。linewidth:填充区域边缘的线宽。linestyle:填充区域边缘的线型。使用stackplot函数时，通常需要确保x和每个*args参数中的数组长度相同，以便正确绘制堆叠面积图。使用Matplotlib库绘图常用图表——绘制热力图热力图：是通过密度函数进行可视化用于表示地图中点的密度的热图。它使人们能够独立于缩放因子感知点的密度。热力图可以显示不可点击区域发生的事情。利用热力图可以看数据表里的多个特征中的两两内容的相似度。例如，以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。热力图是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。热力图在网页分析、业务数据分析等其他领域也有较为广泛的应用。使用Matplotlib库绘图常用图表——绘制热力图【例7-10】从“大数据211班成绩表”中读取五位同学的“Python程序设计”“数据库”“数据结构”“数据处理”成绩，绘制热力图对比分析。

importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_excel("./大数据211班成绩表.xlsx").head()name=df['姓名']x=df.loc[:,'Python程序设计':'数据处理']plt.rcParams['font.sans-serif']=['SimHei']#解决中文乱码问题plt.imshow(x)plt.xticks(range(0,4,1),['Python程序设计','数据库','数据结构','数据处理'])plt.yticks(range(0,5,1),name)plt.colorbar()plt.title('五名学生的四科成绩统计热力图')plt.show()使用Matplotlib库绘图常用图表——绘制热力图运行结果如下：使用Matplotlib库绘图常用图表——绘制箱线图箱线图：也称盒须图，通过绘制反映数据分布特征的统计量，提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，更可表现其分散程度差异。箱线图通过数据的四分位数来展示数据的分布情况。例如：数据的中心位置，数据间的离散程度，是否有异常值等。把数据从小到大进行排列并等分成四份：第一分位数（Q1），第二分位数（Q2）和第三分位数（Q3）分别为数据的第25%，50%和75%的数字。四分位间距（Interquartilerange（IQR））=上分位数（upperquartile）-下分位数（lowerquartile）使用Matplotlib库绘图常用图表——绘制箱线图箱线图：箱线图分为两部分：箱（box）和须（whisker）。箱（box）用来表示从第一分位到第三分位的数据，须（whisker）用来表示数据的范围。箱线图从上到下各横线分别表示：数据上限（通常是Q3+1.5*IQR），第三分位数（Q3），第二分位数（中位数），第一分位数（Q1），数据下限（通常是Q1-1.5*IQR）。有时还有一些圆点，位于数据上下限之外，表示异常值（outliers）。使用Matplotlib库绘图常用图表——绘制箱线图箱线图：matplotlib.pyplot.boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,widths=None,patch_artist=None,meanline=None,showmeans=None,showcaps=None,showbox=None,showfliers=None,boxprops=None,labels=None,flierprops=None,medianprops=None,meanprops=None,capprops=None,whiskerprops=None)参数说明：x:数据序列，可以是列表、数组或pandas的Series对象。如果x是一个列表，则每个元素都可以是一个数据序列。如果x是一个数组，则每一列被视为一个单独的数据序列。notch:布尔值，默认为False。如果为True，则绘制带有缺口（notch）的箱形图，缺口显示中位数置信区间。使用Matplotlib库绘图常用图表——绘制箱线图箱线图：参数说明：sym:字符串，默认为'o'。用于指定异常值（flier）的标记符号。vert:布尔值，默认为True。如果为True，则箱形图垂直绘制；如果为False，则水平绘制。whis:字符串或浮点数，默认为1.5。定义whiskers的范围，即箱形图中须线的长度。它可以是一个数字，表示四分位距（IQR）的倍数，或者是一个包含两个数字的元组，表示whiskers的确切位置。positions:数组，用于指定箱形图的位置。widths:浮点数或数组，用于指定箱形图的宽度。patch_artist:布尔值，默认为False。如果为True，则箱形