Boxplots dans matplotlib: Marqueurs et des valeurs aberrantes

J'ai quelques questions à propos de boxplots dans matplotlib:

Question Un. Ce qui ne les marqueurs que je l'ai souligné ci-dessous avec T1, T2, et T3 représenter? Je crois T1 est maximale et T3 sont des valeurs aberrantes, mais qu'est-ce que T2?

Question B Comment matplotlib identifier valeurs aberrantes? (c'est à dire comment sait-elle qu'ils ne sont pas le vrai max et min valeurs?)

InformationsquelleAutor Amelio Vazquez-Reina | 2013-07-18

84

Une image vaut mille mots. Notez que les valeurs aberrantes (le + marqueurs dans votre parcelle de terrain) sont tout simplement des points à l'extérieur de la grande [(Q1-1.5 IQR), (Q3+1.5 IQR)] marge ci-dessous.

Cependant, la photo est seulement un exemple pour une distribution normale de l'ensemble de données. Il est important de comprendre que matplotlib ne pas estimer une distribution normale de la première et de calculer les quartiles de l'estimation des paramètres de distribution comme illustré ci-dessus.

Au lieu de cela, la médiane et les quartiles sont calculés directement à partir des données. Ainsi, votre boîte à moustaches peuvent être différentes en fonction de la distribution de vos données et la taille de l'échantillon, par exemple, asymétrique et avec plus ou moins de valeurs aberrantes.
- Donc 99.3% de vos données est contenue à l'intérieur de la grande [(Q1-1.5 IQR), (Q3+1.5 IQR)] marge ci-dessus (aussi connu comme les moustaches). Ainsi, toutes les tiques en dehors de qui ne représentent que 0.7% de vos données.
- IQR signifie intervalle Interquartile
InformationsquelleAutor Amelio Vazquez-Reina
24

La boîte représente le premier et le troisième quartiles, avec la ligne rouge de la médiane (2e quartile). Le la documentation donne la valeur par défaut moustaches à 1.5 IQR:
```
boxplot(x, notch=False, sym='+', vert=True, whis=1.5,
        positions=None, widths=None, patch_artist=False,
        bootstrap=None, usermedians=None, conf_intervals=None)
```
et

whis : [ par défaut 1.5 ]

Définit la longueur des moustaches comme une fonction de l'intérieur de la interquartile. Ils s'étendent à l'extrême, point de données dans un délai de ( whis*(75%-25%) ) plage de données.

Si vous êtes confus au sujet de différents diagramme en boîte des représentations essayez de lire la description dans wikipedia.

InformationsquelleAutor seth
13

En plus de seth réponse (étant donné que la documentation n'est pas très précis sur ce point):
T1 (les wiskers) sont mis à la valeur maximale en dessous de 75% + 1.5 IQR

(d'une valeur minimum de 25% - 1.5 IQR)

C'est le code qui calcule les moustaches position:
```
        # get high extreme
        iq = q3 - q1
        hi_val = q3 + whis * iq
        wisk_hi = np.compress(d <= hi_val, d)
        if len(wisk_hi) == 0 or np.max(wisk_hi) < q3:
            wisk_hi = q3
        else:
            wisk_hi = max(wisk_hi)

        # get low extreme
        lo_val = q1 - whis * iq
        wisk_lo = np.compress(d >= lo_val, d)
        if len(wisk_lo) == 0 or np.min(wisk_lo) > q1:
            wisk_lo = q1
        else:
            wisk_lo = min(wisk_lo)
```
- Merci pour clarifier ce - que j'ai trouvé la différence dans mes parcelles (par rapport à la documentation de la valeur de Q3+1.5*IQR) et a été heureux de voir vos éclaircissements. TBH, je suis un peu confus par la or de l'expression: l' else des pièces de sens, mais la or semble impossible... par exemple pour le T3 de la partie, len(wisk_hi)==0 signifie "si nous ne trouvons pas les éléments ci-dessous la hi_val" - comment cela peut-il arriver? T3 est trouvé en divisant les données sur la médiane, et en prenant la médiane de la moitié supérieure... par définition, il y aura des valeurs inférieures à hi_val - et quel est la seconde partie de la or veux dire? Tous les conseils la plupart de bienvenue.
- Je peux qu'être d'accord avec vous, @ttsiodras, que q3 devrait faire partie de la d tableau et de remplir la condition de np.compress, il devrait également être, dans le tableau, le max est de. Peut-être que le code est qu'à "enregistrer", ou pour le rendre plus évident pour le lecteur que wist_hi ne peut pas être plus petit que q3.
InformationsquelleAutor Dirk
7

L'image ci-dessous montre les différentes parties d'une boîte à moustaches.

Quantile 1/T1: 25e Centile

Intervalle Interquartile (IQR): 25e centile de la 75e centile.

Médiane (Quantile 2/T2): 50e Percentile.

Quantile 3/T3: 75e Centile.

Je dois dire que les bleus sont les favoris de la boîte à moustaches.

L'image ci-dessous compare le diagramme en boîte de distribution normale à l'encontre de la fonction de densité de probabilité. Il devrait aider à expliquer le "Minimum", "Maximum", et les valeurs aberrantes.

"Minimum": (Q1-1.5 IQR)

"Maximum": (Q3+1.5 IQR)

Comme zelusp dit, 99,3% des données sont contenues dans 2.698 σ (écarts-types) pour une distribution normale. Les cercles verts (valeurs aberrantes) dans l'image ci-dessous sont les autres, 7% des données. Ici est une dérivation de la manière dont ces nombres est venu pour être.

InformationsquelleAutor Michael James Kali Galarnyk
5

Juste au cas où cela peut profiter à quelqu'un d'autre, j'ai besoin de mettre une légende sur un de mes diagramme en boîte des graphiques j'ai donc fait ce petit .png dans Inkscape et j'ai pensé le partager.

InformationsquelleAutor June Skeeter
1

Voici un graphique qui illustre les composants de la boîte à partir d'un les stats.stackexchange répondre. Notez que k=1.5 si vous ne fournissez pas le whis mot-clé dans les Pandas.

La boîte à moustaches de la fonction dans les Pandas est un wrapper pour matplotlib.pyplot.boxplot. Le matplotlib docs expliquer les composants des boîtes dans le détail:

Question:

La zone s'étend de la partie inférieure de la troisième quartile des valeurs de données, avec une ligne à la médiane.

je. e. un quart de la saisie de valeurs de données est en dessous de la boîte et un quart au-dessus de la boîte.

Question B:

whis : float, la séquence, ou une chaîne de caractères (par défaut = 1.5)

Comme un float, détermine la portée des moustaches au-delà de la
premier et troisième quartiles. En d'autres termes, où EI est l'
écart interquartile (Q3-Q1), la moustache supérieure s'étendra à la dernière
datum moins de T3 + whis*IQR). De même, la baisse de la moustache va
s'étendre à la première, la donnée supérieure à T1 - whis*IQR. Au-delà de la
les moustaches, les données sont considérées comme des valeurs aberrantes et sont représentées par personne
points de.

Matplotlib (et les Pandas) vous donne également beaucoup d'options pour modifier cette valeur par défaut définition des moustaches:

Définissez cette déraisonnablement élevés de la valeur pour forcer les moustaches de montrer
les valeurs min et max. Sinon, réglez cette fonction sur un croissant
séquence de percentile (par exemple, [5, 95]) pour définir les moustaches à des
les percentiles de données. Enfin, whis peut être la chaîne "gamme" de
la force de l'moustaches pour le min et le max de données.

InformationsquelleAutor Joooeey

Vous devez vous connecter pour publier un commentaire.