boxplot과 사분위수

box plot

중간값, 사분위수, 최대값, 최소값을 나타냅니다.
사분위수 (Q4)는 25%, 50%, 75%을 기준으로 다음과 같은 값을 나타냅니다.

Q1 : 25%에 해당하는 값
Q2 : 50%에 해당하는 값
Q3: 75%에 해당하는 값

데이터에 대한 사분위수 여러 위치에서의 값을 계산하기 위한 함수로 두가지를 적용할 수 있다. 

np.percentile(obj, q, axis=None)

pd객체.quantile(q=0.5, axis=0)

>>> import random
>>> import numpy as np
>>> import pandas as pd
>>> import matplotlib.pyplot as plt

>>> d=np.random.randn(100)

>>> quant=np.percentile(d, [1, 25, 50, 75, 99])

>>> d_df=pd.DataFrame(d)

>>> quant_pd=d_df.quantile([0.01, 0.25, 0.5, 0.75, 0.99])

>>> quant

array([-2.07556171, -0.68066232,  0.13129747,  0.74443201,  2.22612439])

>>> quant_pd

             0

0.01 -2.075562

0.25 -0.680662

0.50  0.131297

0.75  0.744432

0.99  2.226124

>>> np.mean(d) #평균값 

 0.062143098969234777

위의 사항을 그래프로 그리기 위해 상자 그림(box plot)을 적용합니다. 

위 상자 그래프의 붉은 선은 데이터의 평균을 나타냅니다.
박스는 Q1 <= value <=Q3
하한 꼬리  values <= Q1
상한 꼬리  values >= Q3
만약사분위수의 범위 밖에 놓인 값들은 상한 또는 하한 꼬리 밖에 다른 기호('+')로 표시됩니다.

여러 열로 이루어진 데이터의 경우 각 열에 대한 상자 그래프를 한 그림으로 나타냅니다.

>>> d=np.random.randn(100, 5)
>>> quant=np.percentile(d, [1, 25, 50, 75, 99], axis=0)
>>> d_df=pd.DataFrame(d)
>>> quant_pd=d_df.quantile([0.01, 0.25, 0.5, 0.75, 0.99], axis=0)
>>> quant
array([[-2.03436223, -2.34074921, -2.41527064, -1.92245118, -2.11524036],
       [-0.50685564, -0.93960178, -0.88419683, -0.32447958, -0.89025227],
       [ 0.13300156, -0.04173886, -0.09255196,  0.25337128, -0.19390771],
       [ 0.74933145,  0.43231908,  0.60672149,  0.7233356 ,  0.68667474],
       [ 1.92347734,  1.9740066 ,  2.86430905,  2.08295018,  2.57055993]])

>>> quant_pd
             0         1         2         3         4
0.01 -2.034362 -2.340749 -2.415271 -1.922451 -2.115240
0.25 -0.506856 -0.939602 -0.884197 -0.324480 -0.890252
0.50  0.133002 -0.041739 -0.092552  0.253371 -0.193908
0.75  0.749331  0.432319  0.606721  0.723336  0.686675
0.99  1.923477  1.974007  2.864309  2.082950  2.570560

>>> plt.boxplot(d)
>>> plt.show()