在Python中，可以使用`matplotlib`或`seaborn`库来绘制多组数据的箱线图，并进行对比。通过这种方式，我们可以直观地比较不同数据集之间的分布特性。 ### 回答问题 #### 使用`matplotlib`绘制多组数据的箱线图 ```python import matplotlib.pyplot as plt import numpy as np # 创建示例数据 np.random.seed(10) data1 = np.random.normal(loc=0, scale=1, size=100) data2 = np.random.normal(loc=0.5, scale=1.5, size=100) data3 = np.random.normal(loc=-0.5, scale=0.7, size=100) # 将多组数据放入一个列表中 data = [data1, data2, data3] # 绘制箱线图 plt.boxplot(data, labels=['Data 1', 'Data 2', 'Data 3']) plt.title('Box Plot Comparison using Matplotlib') plt.ylabel('Values') plt.show() ``` #### 使用`seaborn`绘制多组数据的箱线图 ```python import seaborn as sns import matplotlib.pyplot as plt import numpy as np import pandas as pd # 创建示例数据 np.random.seed(10) data1 = np.random.normal(loc=0, scale=1, size=100) data2 = np.random.normal(loc=0.5, scale=1.5, size=100) data3 = np.random.normal(loc=-0.5, scale=0.7, size=100) # 将数据转换为DataFrame格式 df = pd.DataFrame({ 'Data 1': data1, 'Data 2': data2, 'Data 3': data3 }) # 绘制箱线图 sns.boxplot(data=df) plt.title('Box Plot Comparison using Seaborn') plt.ylabel('Values') plt.show() ``` ### 给出解释 #### 箱线图的作用 箱线图能够清晰地展示每组数据的分布特性，包括中心趋势、分散程度以及是否存在异常值。通过将多组数据绘制在同一张图表上，我们可以直观地比较它们的分布差异。 #### 多组数据的对比 在上述代码中，我们创建了三组不同的数据集（`data1`, `data2`, `data3`），并通过`matplotlib`或`seaborn`将它们绘制在同一张箱线图上。每个箱子表示一组数据的分布情况，而箱子的位置和大小则反映了该组数据的中心趋势和分散程度。 #### 为什么选择`seaborn`？ 虽然`matplotlib`也可以绘制箱线图，但`seaborn`提供了更高级的接口和更好的默认样式，使得生成的图表更加美观且易于理解。 ###