### 使用 Plotly 绘制包含均值和异常值标识的箱线图 为了实现这一目标，可以利用 `plotly.express` 或者更底层的 `plotly.graph_objects` 来构建所需的图表。下面展示了一个具体的例子，该例子不仅展示了如何绘制箱线图，还特别强调了如何标记平均值以及识别并突出显示潜在的异常值。 #### 导入必要的库 ```python import plotly.express as px import pandas as pd from scipy import stats ``` #### 准备数据集 假设有一个名为 `df` 的 Pandas DataFrame 数据框已经加载完毕，并且其中包含了要分析的数据列。对于本案例而言，先模拟一组简单的数据作为示范： ```python # 模拟一些随机数加上几个极端值形成的数据集 data = {'values': list(stats.norm.rvs(loc=50, scale=10, size=100)) + [80, 90, 120]} df = pd.DataFrame(data) # 计算五倍标准差之外的点视为异常值 z_scores = (df['values'] - df['values'].mean()) / df['values'].std() outliers = abs(z_scores) > 5 df['is_outlier'] = outliers ``` #### 构建箱线图并添加均值线及标注异常值 通过调用 `px.box()` 方法可以直接生成基本版的箱线图；而为了让图表更加直观，则需进一步自定义样式——比如加入代表总体样本均值水平线、改变颜色区分正常范围内的数值同被认定为离群点之间的差异等操作。 ```python fig = px.box(df, y="values", points='all') # 添加一条表示整体均值位置的参考线 mean_line = dict( type='line', xref='paper', x0=0, x1=1, yref='y', y0=df['values'].mean(), y1=df['values'].mean(), line=dict(color="Red", width=2, dash="dot"), name='Mean' ) fig.add_shape(mean_line) # 更新布局使图形看起来更好看些 fig.update_layout(title_text="Box Plot with Mean Line and Outliers Highlighted", showlegend=True) # 高亮所有的异常值，在散点上加注记号出来 for idx, row in df[df['is_outlier']].iterrows(): fig.add_annotation(x=row.name, y=row['values'], text=f"Outlier ({row['values']:.2f})", arrowhead=2) fig.show() ``` 上述代码片段实现了如下功能： - 利用了 `plotly.express` 中的 `box` 函数快速创建基础版本的箱型图； - 增添了一条红色虚线用来指示所有观测值得到的整体平均分位所在的位置[^1]； - 对于那些超出设定阈值（这里是基于Z得分判断）被认为是异常的情况进行了特殊处理，既改变了它们的颜色以便与其他常规观察区分开来，又给每一个这样的特殊情况附加了文字说明以供查看者理解这些特定情况的具体含义[^2]。