### 如何使用Python绘制箱线图 #### 使用Matplotlib绘制基本箱线图 为了创建一个简单的箱线图，可以利用`matplotlib`库的功能。下面是一个基础的例子： ```python import matplotlib.pyplot as plt data = [[1, 2, 5], [5, 7, 2, 8], [3, 4, 9]] fig, ax = plt.subplots() ax.boxplot(data, labels=['A', 'B', 'C']) ax.set_title('箱线图示例') ax.set_xlabel('类别') ax.set_ylabel('数值') plt.show() ``` 这段代码定义了一个包含三组不同长度列表的数据集，并通过调用`boxplot()`函数生成对应的箱线图[^3]。 #### 利用Seaborn增强视觉效果 对于更复杂的数据集以及追求更高品质图表的需求来说，`seaborn`提供了更加便捷的方式来进行数据分析和可视化工作。这里给出一段基于CSV文件读取并绘制箱线图的实例代码： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns file_path = 'path_to_your_file.csv' data_frame = pd.read_csv(file_path) plt.figure(figsize=(12, 6)) sns.boxplot(x='category_column_name', y='value_column_name', data=data_frame) plt.title('Seaborn Box Plot Example') plt.xlabel('Category Label') plt.ylabel('Value Description') plt.show() ``` 此段脚本首先加载外部数据源到Pandas DataFrame对象中，接着设置了图像大小并通过指定分类变量(`x`)与度量值(`y`)参数来构建箱线图；最后调整了坐标轴标签以便更好地解释图形含义[^4]。 #### 结合其他类型的图表增加信息密度 有时仅靠单一形式难以充分表达全部特征，在这种情况下可考虑叠加额外层的信息表示方法。例如将散点图附加于箱线图之上能够直观显示出异常值的位置分布情况： ```python import seaborn as sns tips = sns.load_dataset("tips") ax = sns.boxplot(x="day", y="total_bill", data=tips) ax = sns.swarmplot(x="day", y="total_bill", data=tips, color=".25") plt.title('Combined Box and Swarm Plots') plt.show() ``` 上述例子展示了如何在同一张图上同时呈现两种不同类型的数据视图，从而提供更为丰富的视角去理解所研究的对象特性[^5]。