### 使用 Python Matplotlib 绘制盒图的有趣示例 以下是一个使用 `matplotlib` 库绘制盒图（Box Plot）的有趣示例代码。该示例展示了如何通过随机生成的数据集来创建一个带有标签、颜色定制和异常值标记的盒图。 ```python import matplotlib.pyplot as plt import numpy as np # 创建三组不同的随机数据 np.random.seed(42) # 设置随机种子以便结果可重现 data_1 = np.random.normal(0, 1, 100) # 正态分布，均值为0，标准差为1 data_2 = np.random.normal(0, 2, 100) # 正态分布，均值为0，标准差为2 data_3 = np.random.normal(0, 3, 100) # 正态分布，均值为0，标准差为3 labels = ['Group A', 'Group B', 'Group C'] # 数据分组标签 # 自定义盒图样式 boxprops = dict(linewidth=2, color='blue') # 盒子边框样式 whiskerprops = dict(color='green', linestyle='--') # 须线样式 flierprops = dict(markerfacecolor='red', marker='o', markersize=5) # 异常值样式 plt.boxplot([data_1, data_2, data_3], labels=labels, boxprops=boxprops, whiskerprops=whiskerprops, flierprops=flierprops) # 添加标题和轴标签 plt.title('Customized Box Plot Example', fontsize=16) # 图形标题 plt.xlabel('Groups', fontsize=12) # X轴标签 plt.ylabel('Values', fontsize=12) # Y轴标签 # 显示网格以增强可视化效果 plt.grid(True, linestyle='-.', alpha=0.7) # 展示图形 plt.show() ``` #### 解析 上述代码实现了以下功能： - **数据生成**：利用 NumPy 的 `random.normal()` 函数生成三组正态分布数据[^1]。 - **自定义样式**：通过字典形式传递参数给 `boxplot()` 方法，分别设置盒子边框、须线和异常值的样式[^2]。 - **图形美化**：添加了标题、轴标签以及背景网格，提升了整体视觉效果[^3]。 --- ### 注意事项 为了确保程序正常运行，请注意以下几点： - 确保已安装 `matplotlib` 和 `numpy` 库。如果没有安装，可以通过命令 `pip install matplotlib numpy` 进行安装。 - 如果需要进一步优化或扩展功能，可以尝试集成其他统计指标（如平均值、中位数等）到图表中显示。 ---