一、概念介绍
箱型图（box-plot)，又称为箱线图，盒型图，盒须图。在数据探索阶段或者描述性分析过程中，我们常常用于展示多类连续型数据的数值分布情况，便于类间对比和快速识别异常值。
在一幅箱型图中，一个连续数值序列构成一个盒子，如下所示。
每一个盒子主要展示的是数据的上四分位数Q1(25%)，中位数（50%)，下四分位数Q3（75%)。划分异常值的界限我们称为上下极限，其离Q1,Q3分别是1.5IQR（IQR=Q3-Q1，称作四分位距）的距离，在上下极限之外的点，我们称为异常点。异常值在不同场景中受到不同的重视，如果是要研究目标群体的薪资水平，我们常常关注中位数和IQR，而不关注异常值。
二、数据展示
借助爬虫技术，我们在某个时间的boss直聘首页随机获取了八个城市的三类检索词（数据分析师、数据挖掘工程师、算法工程师）的职位发布信息。一共得到的excel表如下所示。
每一个表内的数据如下：
（其中平均月薪的计算是简单地通过区间中位数*薪期/12得到，如8k-10k*16薪，则平均月薪为12000.
三、数据导入
只需要导入每一个表格中的 职位名称 和 平均月薪 列。
import pandas as pd
city8_fullname = ['北京','重庆','武汉','深圳','南京','广州','成都','上海']
job_type = ['数据分析师','数据挖掘工程师','算法工程师']
salary_dic = {}
for i in range(len(city8_fullname)):
df = pd.DataFrame(pd.read_excel('./Boss直聘数据-八个城市/Boss直聘-'+city8_fullname[i]+'.xls'))
salary_dic[city8_fullname[i]] = df[['职位名称','平均月薪']]
salary_dic[city8_fullname[i]]['城市'] = pd.Series([city8_fullname[i]]*df.shape[0])
## 整合成画图需要的格式
salary = salary_dic[city8_fullname[0]]
for i in range(1,8):
salary = pd.concat([salary,salary_dic[city8_fullname[i]]],ignore_index="true")得到的数据结构为：
四、画图
这里，我们使用的是python语言，借助seaborn包完成。
import matplotlib.pyplot as plt
import seaborn as sns
# 中文与正负号显示设置
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
# Draw
plt.figure(figsize=(14,8), dpi= 100)
sns.boxplot(x='城市', y='平均月薪', data=salary, hue='职位名称')
sns.stripplot(x='城市', y='平均月薪', data=salary, color='black', size=2, jitter=1)
for i in range(len(salary['城市'].unique())-1):
plt.vlines(i+.5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)
plt.title('八大城市对口专业薪资分布', fontsize=20)
plt.legend(title='职位类型')
plt.xticks(fontsize=14)
plt.xlabel('城市',fontsize=16)
plt.ylabel('平均月薪',fontsize=16)
plt.yticks(fontsize=14)
plt.savefig(r'./绘图结果/薪资-薪资分布-箱线图.png')sns.stripplot------用于画分布散点图（如果是大样本的话不适用，但有一种一半密度一半箱型的类别，可以避免散点覆盖的情况 ）
plt.vlines-----画辅助线
hue-----可以理解为有多少组，在这里相当于出去城市外的第二个维度的分类。
结果图为：
上图中，我们是在箱型图的基础上加了散点的，目的在于了解各城市薪资的数值集中分布情况。
总结
到此这篇关于用python的seaborn画数值箱型图的文章就介绍到这了,更多相关python seaborn箱型图内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
