当然可以。在Python中，我们可以使用matplotlib库来创建箱线图，并结合pandas处理Iris数据集（鸢尾花数据）。首先确保已经安装了`pandas`, `numpy`, 和 `matplotlib`。下面是一个简单的例子： ```python # 导入所需的库 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 加载鸢尾花数据（假设从 sklearn.datasets 中导入） from sklearn.datasets import load_iris iris = load_iris() data = iris.data # 将数据转化为 DataFrame df_iris = pd.DataFrame(data=iris.data, columns=iris.feature_names) # 创建箱线图 def boxplot_anomalies(column_name): plt.figure(figsize=(8,6)) box plot = df_iris.boxplot(column=column_name) # 添加最小值、第一四分位数、中位数、三四分位数和最大值的线条 for whisker in box_plot['whiskers']: whisker.set_color('black') for median in box_plot['medians']: median.set_color('red') for flier in box_plot['fliers']: flier.set(marker='o', color='black', alpha=0.5) # 标记异常值点 outliers = box_plot.get_children()[4] for line in outliers.get_children(): if line.get_ydata()[0] < df_iris[column_name].quantile(0.25) - 1.5 * (df_iris[column_name].quantile(0.75) - df_iris[column_name].quantile(0.25)): line.set_markerfacecolor('r') # 红色标记异常值 elif line.get_ydata()[-1] > df_iris[column_name].quantile(0.75) + 1.5 * (df_iris[column_name].quantile(0.75) - df_iris[column_name].quantile(0.25)): line.set_markerfacecolor('r') # 遍历每个特征绘制箱线图 for column in df_iris.columns: boxplot_anomalies(column) plt.title("Iris 数据集中各特征的箱线图") plt.show()