锋哥原创的Matplotlib3 Python数据可视化视频教程：

2026版 Matplotlib3 Python 数据可视化 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

课程介绍

本课程讲解利用python进行数据可视化 科研绘图-Matplotlib，学习Matplotlib图形参数基本设置，绘图参数及主要函数，以及Matplotlib基础绘图，和Matplotlib高级绘图。

绘制箱线图(Box)

箱线图（Box Plot）是一种用于展示数据分布特征的统计图表，能清晰显示数据的中位数、四分位数、异常值等关键统计量。它特别适合比较多个数据集分布情况。 箱线图组成要素：

1. 箱体 (Box)：

   • 下边界：第一四分位数 (Q1, 25%)

   • 上边界：第三四分位数 (Q3, 75%)

   • 箱内横线：中位数 (Q2, 50%)

2. 须 (Whiskers)：

   • 上限：Q3 + 1.5×IQR

   • 下限：Q1 - 1.5×IQR

   • IQR = Q3 - Q1（四分位距）

3. 异常值 (Outliers)：

   • 超出上下须范围的数据点

plt.boxplot() 是 Matplotlib 中用于绘制箱线图的核心函数，用于展示数据的分布特征（如中位数、四分位数、异常值等）。以下是详细解析：

plt.boxplot(x,                         # 输入数据（数组或序列的序列）notch=None,                # 是否绘制缺口箱线图（显示中位数置信区间）sym=None,                  # 异常值的标记符号vert=None,                 # 是否垂直放置（True为垂直，False为水平）whis=None,                 # 定义须的位置（默认1.5倍IQR）positions=None,            # 箱线图的位置widths=None,               # 箱体的宽度patch_artist=None,         # 是否填充箱体颜色bootstrap=None,            # 缺口箱线图的置信区间计算方法usermedians=None,          # 用户指定的中位数conf_intervals=None,       # 用户指定的置信区间meanline=False,            # 是否用线表示均值showmeans=False,           # 是否显示均值showcaps=True,             # 是否显示箱线图顶端的横线showbox=True,              # 是否显示箱体showfliers=True,           # 是否显示异常值boxprops=None,             # 箱体属性whiskerprops=None,         # 须的属性capprops=None,             # 顶端横线的属性medianprops=None,          # 中位线属性meanprops=None,            # 均值属性flierprops=None,           # 异常值属性manage_ticks=True,         # 是否自动管理刻度autorange=False,           # 是否自动调整范围zorder=None                # 绘图顺序
)

三、核心参数详解

1. 数据输入 (x)

• 一维数组：单组数据

• 列表的列表/数组的数组：多组数据（每组数据绘制一个箱体）

• 字典：键为标签，值为数据

1. 箱体样式控制

• notch：是否绘制缺口箱线图（显示中位数置信区间）

• patch_artist：True时可用boxprops填充颜色

• widths：箱体宽度（默认0.5）

1. 异常值处理

• showfliers：是否显示异常值

• sym：异常值标记符号（默认'o'）

• whis：须的长度（默认1.5，可设为[5,95]表示百分位数）

1. 统计量显示

• showmeans：显示均值（默认False）

• meanline：True时用横线表示均值，False时用点表示

1. 样式属性

• boxprops：箱体属性（如dict(color='red', facecolor='blue')）

• whiskerprops：须的属性（如dict(linestyle='--', color='green')）

• medianprops：中位线属性（如dict(color='black', linewidth=2)）

• flierprops：异常值属性（如dict(marker='x', markersize=8)）

我们来看一个示例：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
​
# 设置matplotlib使用黑体显示中文
matplotlib.rcParams['font.family'] = 'Microsoft YaHei'
​
# 创建示例数据
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]
# 创建箱线图
plt.figure(figsize=(10, 6))
​
# 绘制箱线图
box = plt.boxplot(data,vert=True,  # 垂直方向patch_artist=True,  # 填充颜色tick_labels=['组1', '组2', '组3', '组4'])
​
# 设置箱子颜色
colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']
for patch, color in zip(box['boxes'], colors):patch.set_facecolor(color)patch.set_alpha(0.7)  # 设置透明度
​
# 设置须线和异常点样式
plt.setp(box['whiskers'], color='red', linestyle='-')  # 箱线图的“须”部分，即从箱子延伸出去的两条线（上须和下须），表示数据的范围（通常是1.5倍IQR内的数据）。
plt.setp(box['caps'], color='yellow')  # 箱线图须线末端的横线，称为“帽”。每个须有两个帽（上须的上帽和下须的下帽）。
plt.setp(box['fliers'], marker='o', markersize=8,markerfacecolor='none', markeredgecolor='blue')  # 箱线图中的异常值点，即超出1.5倍IQR范围的数据点。
plt.setp(box['medians'], color='gray', linewidth=2)  # 箱线图中的中位数线，即箱子中间的横线。
​
# 添加标题和标签
plt.title('基本箱形图示例', fontsize=14)
plt.xlabel('数据组', fontsize=12)
plt.ylabel('值', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
​
plt.tight_layout()
plt.show()