据我所知,boxplot()方法期望将一系列原始值(数字)作为输入,然后从中计算百分位以绘制箱线图。

我希望有一种方法可以传递百分位数并获取相应的boxplot

例如:

假设我已经运行了多个基准测试,并且针对每个基准测试了延迟(浮点值)。现在,另外,我已经预先计算了这些值的百分位数。

因此,对于每个基准,我都有25%,50%,75%百分位数以及最小值和最大值。

现在,有了这些数据,我想绘制基准的箱形图。

最佳答案

为了仅使用百分位值和离群值(如果有的话)绘制箱形图,我做了一个customized_box_plot函数,该函数基本上修改了基本箱形图(由很小的样本数据生成)中的属性,以使其根据您的百分值来拟合。
customized_box_plot函数

def customized_box_plot(percentiles, axes, redraw = True, *args, **kwargs):
    """
    Generates a customized boxplot based on the given percentile values
    """

    box_plot = axes.boxplot([[-9, -4, 2, 4, 9],]*n_box, *args, **kwargs)
    # Creates len(percentiles) no of box plots

    min_y, max_y = float('inf'), -float('inf')

    for box_no, (q1_start,
                 q2_start,
                 q3_start,
                 q4_start,
                 q4_end,
                 fliers_xy) in enumerate(percentiles):

        # Lower cap
        box_plot['caps'][2*box_no].set_ydata([q1_start, q1_start])
        # xdata is determined by the width of the box plot

        # Lower whiskers
        box_plot['whiskers'][2*box_no].set_ydata([q1_start, q2_start])

        # Higher cap
        box_plot['caps'][2*box_no + 1].set_ydata([q4_end, q4_end])

        # Higher whiskers
        box_plot['whiskers'][2*box_no + 1].set_ydata([q4_start, q4_end])

        # Box
        box_plot['boxes'][box_no].set_ydata([q2_start,
                                             q2_start,
                                             q4_start,
                                             q4_start,
                                             q2_start])

        # Median
        box_plot['medians'][box_no].set_ydata([q3_start, q3_start])

        # Outliers
        if fliers_xy is not None and len(fliers_xy[0]) != 0:
            # If outliers exist
            box_plot['fliers'][box_no].set(xdata = fliers_xy[0],
                                           ydata = fliers_xy[1])

            min_y = min(q1_start, min_y, fliers_xy[1].min())
            max_y = max(q4_end, max_y, fliers_xy[1].max())

        else:
            min_y = min(q1_start, min_y)
            max_y = max(q4_end, max_y)

        # The y axis is rescaled to fit the new box plot completely with 10%
        # of the maximum value at both ends
        axes.set_ylim([min_y*1.1, max_y*1.1])

    # If redraw is set to true, the canvas is updated.
    if redraw:
        ax.figure.canvas.draw()

    return box_plot
用法
使用逆逻辑(最后是代码),我从example中提取了百分位值
>>> percentiles
(-1.0597368367634488, 0.3977683984966961, 1.0298955252405229, 1.6693981537742526, 3.4951447843464449)
(-0.90494930553559483, 0.36916539612108634, 1.0303658700697103, 1.6874542731392828, 3.4951447843464449)
(0.13744105279440233, 1.3300645202649739, 2.6131540656339483, 4.8763411136047647, 9.5751914834437937)
(0.22786243898199182, 1.4120860286080519, 2.637650402506837, 4.9067126578493259, 9.4660357513550899)
(0.0064696168078617741, 0.30586770128093388, 0.70774153557312702, 1.5241965711101928, 3.3092932063051976)
(0.007009744579241136, 0.28627373934008982, 0.66039691869500572, 1.4772725266672091, 3.221716765477217)
(-2.2621660374110544, 5.1901313713883352, 7.7178532139979357, 11.277744848353247, 20.155971739152388)
(-2.2621660374110544, 5.1884411864079532, 7.3357079047721054, 10.792299385806913, 18.842012119715388)
(2.5417888074435702, 5.885996170695587, 7.7271286220368598, 8.9207423361593179, 10.846938621419374)
(2.5971767318505856, 5.753551925927133, 7.6569980004033464, 8.8161056254143233, 10.846938621419374)
请注意,为简短起见,我没有显示离群矢量,该向量将是每个百分位数组的第六个元素。
还要注意,可以使用所有其他常用的kwargs/args,因为它们可以简单地传递给它内部的boxplot方法:
>>> fig, ax = plt.subplots()
>>> b = customized_box_plot(percentiles, ax, redraw=True, notch=0, sym='+', vert=1, whis=1.5)
>>> plt.show()

EXPLANATION boxplot方法返回一个字典,该字典将箱线图的组件映射到已创建的各个matplotlib.lines.Line2D实例。
引用matplotlib.pyplot.boxplot文档:

例如,观察boxplot的微小样本数据的[-9, -4, 2, 4, 9]
>>> b = ax.boxplot([[-9, -4, 2, 4, 9],])
>>> b
{'boxes': [<matplotlib.lines.Line2D at 0x7fe1f5b21350>],
'caps': [<matplotlib.lines.Line2D at 0x7fe1f54d4e50>,
<matplotlib.lines.Line2D at 0x7fe1f54d0e50>],
'fliers': [<matplotlib.lines.Line2D at 0x7fe1f5b317d0>],
'means': [],
'medians': [<matplotlib.lines.Line2D at 0x7fe1f63549d0>],
'whiskers': [<matplotlib.lines.Line2D at 0x7fe1f5b22e10>,
             <matplotlib.lines.Line2D at 0x7fe20c54a510>]}

>>> plt.show()

matplotlib.lines.Line2D 对象有两个我将在我的函数中广泛使用的方法。 set_xdata (或 set_ydata )和 get_xdata (或 get_ydata )。
使用这些方法,我们可以更改基本框图的构成线的位置,以符合您的百分位值(这是customized_box_plot函数的作用)。更改组成线的位置后,您可以使用figure.canvas.draw()重绘 Canvas
总结了从百分位数到各种Line2D对象的坐标的映射。
Y坐标:
  • 最大值(q4_end-第四个四分位数的结尾)对应于最上限的Line2D对象。
  • 最小值(q1_start-第一个四分位数的开始)对应于最下限的Line2D对象。
  • 中位数对应于(q3_start)中位数Line2D对象。
  • 2个晶须位于盒子的两端和顶盖之间(q1_startq2_start-下晶须; q4_startq4_end-上晶须)
  • 该框实际上是一条有趣的n形线条,其下部有一个顶盖。 n形线的端点对应于q2_startq4_start

  • X坐标:
  • 中心x坐标(对于多个箱形图,通常为1,2,3 ...)
  • 该库根据指定的宽度自动计算边界x坐标。

  • 从箱形图DICT中检索百分数的逆函数:
    def get_percentiles_from_box_plots(bp):
        percentiles = []
        for i in range(len(bp['boxes'])):
            percentiles.append((bp['caps'][2*i].get_ydata()[0],
                               bp['boxes'][i].get_ydata()[0],
                               bp['medians'][i].get_ydata()[0],
                               bp['boxes'][i].get_ydata()[2],
                               bp['caps'][2*i + 1].get_ydata()[0],
                               (bp['fliers'][i].get_xdata(),
                                bp['fliers'][i].get_ydata())))
        return percentiles
    
    笔记:
    我之所以没有制作完全自定义的boxplot方法,是因为内置的box plot提供的许多功能无法完全复制。
    如果我可能不必要地解释了一些过于明显的内容,也请原谅。

    关于python - 给定百分位值而不是原始输入,是否可以绘制matplotlib箱线图?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/27214537/

    10-13 05:50