¿Cómo crear un diagrama de caja a partir de Pandas DataFrame?

El diagrama de caja también se denomina diagrama de bigotes y proporciona un resumen de un conjunto de datos que incluye el valor mínimo, el primer cuartil, la mediana, el tercer cuartil y el valor máximo. Este diagrama de caja está presente en la biblioteca matplotlib. En el gráfico de diagrama de caja, el eje x representa los datos que vamos a graficar y el eje y representa la frecuencia. 

Método 1: usar la función DataFrame_Name[‘column_name’].plot()

Podemos crear un diagrama de caja en cada columna de un Pandas DataFrame siguiendo la siguiente sintaxis:

DataFrame_Name[‘column_name’].plot(kind=’box’, title=’title_of_plot’)

Nota: Podemos encontrar los valores del primer cuartil, la mediana y los valores del tercer cuartil usando el método del cuantil .

Sintaxis para encontrar cuartiles

data.quantile([0.25,0.5,0.75])

• 0,25 indica el primer cuartil.
• 0,5 indica el valor de la mediana.
• 0,75 indica el tercer cuartil.

Ejemplo para encontrar cuartiles de un dato

# import necessary packages
import pandas as pd
  
data = pd.Series([1, 2, 3, 4, 5, 6])
  
# find quartile values
print(data.quantile([0.25, 0.5, 0.75]))

Producción

0.25    2.25
0.50    3.50
0.75    4.75
dtype: float64

Considere los datos a continuación para crear un DataFrame y trazar un diagrama de caja en él.

Ejemplo:

Cree un marco de datos utilizando los datos anteriores y trace el diagrama de caja en las marcas de un estudiante. La línea inferior indica las calificaciones mínimas de un estudiante y la línea superior indica las calificaciones máximas de un estudiante. Entre la parte inferior y superior, las 3 líneas del medio indican el 1er cuartil, la mediana y el 3er cuartil respectivamente.

# import necessary packages
import pandas as pd
import matplotlib.pyplot as plt
  
# create a dataframe
data = pd.DataFrame({'Name': ['Akhil', 'Nikhil', 'Satyam', 'Sravan', 'Pavan'],
                     'Marks': [77, 95, 89, 78, 64],
                     'Credits': [8, 10, 9, 8, 7]})
  
# box plot
data['Marks'].plot(kind='box', title='Marks of students')
plt.show()

Producción:

Ejemplo:

En este ejemplo, la nota mínima del alumno es 10, que es muy pequeña y está muy lejos de otras notas (puntos de datos). Por lo tanto, se indica como o en la parte inferior, lo que representa un valor atípico. Si alguno de los puntos de datos en los datos es mucho más grande o más pequeño en comparación con otros valores, se generará el siguiente gráfico.

# import necessary packages
import pandas as pd
import matplotlib.pyplot as plt
  
# create a dataframe
data = pd.DataFrame({'Name': ['Akhil', 'Nikhil', 'Satyam', 'Sravan', 'Pavan'],
                     'Marks': [77, 95, 89, 78, 10],
                     'Credits': [8, 10, 9, 8, 0]})
  
# outlier box plot
data['Marks'].plot(kind='box', title='Marks of students')
plt.show()

Producción:

Método 2: Usar la función pandas.DataFrame.boxplot()

También podemos usar pandas.DataFrame.boxplot para dibujar el diagrama de caja para las columnas respectivas en un DataFrame.

Sintaxis

DataFrameName.boxplot(columna=’columna_nombre’,grid=Verdadero/Falso)

grid indica líneas de cuadrícula en un gráfico. Es un parámetro opcional, si no se especifica se considerará verdadero.

Ejemplo:

Aquí trazamos el diagrama de caja usando el método de diagrama de caja en lugar de usar el método de diagrama y especificando su tipo. Como no especificamos el argumento de cuadrícula como parámetro en el método de diagrama de caja, considerará el valor predeterminado, es decir, Verdadero.

# import necessary packages
import pandas as pd
  
# create a dataframe
data = pd.DataFrame({'Name': ['Akhil', 'Nikhil', 'Satyam', 'Sravan', 'Pavan'],
                     'Marks': [77, 95, 89, 78, 64],
                     'Credits': [8, 10, 9, 8, 7]})
  
# box plot for marks column
data.boxplot(column='Marks')

Producción: