当前位置：首页>python>python数据可视化技巧的100个练习 -- 4. 绘制考试成绩的箱线图

python数据可视化技巧的100个练习 -- 4. 绘制考试成绩的箱线图

2026-10-11 05:42:33

python数据可视化技巧的100个练习 -- 4. 绘制考试成绩的箱线图

重要性★★★★☆

难度★★★☆☆

你是一名学校学区的数据分析师。

校长要求你分析不同班级学生的考试成绩，以比较他们的表现。

你的任务是创建一个箱线图，以可视化每个班级的考试成绩分布。

数据包括三个班级的考试成绩：A 班、B 班和 C 班。

每个班级有 30 名学生。

成绩范围为 0 到 100 分。

你的目标是：

为这三个班级生成样本数据。

使用 matplotlib 创建一个箱线图，比较三个班级的考试成绩。

在 x 轴上正确标记班级名称，在 y 轴上标记“考试成绩”。

添加标题：“班级间考试成绩比较”。

显示图表。

编写一个完成这些任务的 Python 脚本。

确保使用适当的数据结构和 matplotlib 函数，创建一个信息丰富且视觉上吸引人的箱线图。

【数据生成代码示例】

import numpy as npnp.random.seed(42)class_a = np.random.normal(75, 10, 30).clip(0, 100)class_b = np.random.normal(70, 15, 30).clip(0, 100)class_c = np.random.normal(80, 8, 30).clip(0, 100)data = [class_a, class_b, class_c]

【图表答案】

【代码答案】

import numpy as npimport matplotlib.pyplot as pltnp.random.seed(42)# 为三个班级生成样本数据class_a = np.random.normal(75, 10, 30).clip(0, 100)class_b = np.random.normal(70, 15, 30).clip(0, 100)class_c = np.random.normal(80, 8, 30).clip(0, 100)# 将数据合并到一个列表中data = [class_a, class_b, class_c]# 创建箱线图fig, ax = plt.subplots(figsize=(10, 6))box_plot = ax.boxplot(data, tick_labels=['Class A', 'Class B', 'Class C'], patch_artist=True)# 自定义箱线图颜色colors = ['lightblue', 'lightgreen', 'lightpink'][box_plot['boxes'][i].set_facecolor(colors[i]) for i in range(len(colors))]# 设置标签和标题ax.set_xlabel('Classes')ax.set_ylabel('Exam Scores')ax.set_title('Comparison of Exam Scores Across Classes')# 添加网格线以提高可读性ax.yaxis.grid(True, linestyle='--', alpha=0.7)# 显示图表plt.tight_layout()plt.show()

这段 Python 脚本创建了一个箱线图，用于比较三个不同班级的考试成绩。

让我们逐步分析代码并解释数据处理和可视化的步骤：

数据生成：

我们使用 NumPy 的随机数生成功能为三个班级创建合成考试成绩。
np.random.normal() 函数生成正态分布的随机数。
对于每个班级，我们指定平均分、标准差和学生人数（30 人）。
.clip(0, 100) 方法确保所有成绩都在 0 到 100 之间。

数据结构：

每个班级的考试成绩都存储在单独的 NumPy 数组中。
然后将这些数组合并到一个名为 data 的列表中，方便绘图。

创建图表：

我们使用 matplotlib 创建箱线图。
fig, ax = plt.subplots(figsize=(10, 6)) 创建一个指定大小的新图形和坐标轴。
ax.boxplot() 用于创建箱线图，传入我们的数据列表。

自定义图表：

我们在 boxplot() 中使用标签参数为每个箱设置标签。
patch_artist=True 参数允许我们为箱子上色。
我们定义一个颜色列表，并使用列表推导式为每个箱子设置填充颜色。

添加标签和标题：

ax.set_xlabel() 和 ax.set_ylabel() 用于标记 x 轴和 y 轴。
ax.set_title() 为图表添加标题。

增强可读性：

我们使用 ax.yaxis.grid() 添加水平网格线，以便更容易读取成绩值。

显示图表：

plt.tight_layout() 调整图表布局，防止重叠。
plt.show() 显示最终图表。
这个箱线图为三个班级的考试成绩分布提供了视觉比较。
每个箱子代表一个班级，显示中位数、四分位数和潜在的异常值。
不同的颜色使人们可以一目了然地区分班级。

【小知识】

箱线图，也称为箱须图，是 John Tukey 在 1970 年作为探索性数据分析的一部分引入的。
在箱线图中，箱子表示四分位距（IQR），包含数据中间的 50%。
箱子内的线表示中位数，而须通常延伸到 IQR 的 1.5 倍。
超出须的点通常被视为异常值，并单独绘制。
箱线图特别适用于比较组间的分布，并识别数据中的偏斜。
虽然这里使用了 matplotlib，但其他 Python 库（如 Seaborn）可以用更少的代码创建箱线图。
在教育数据分析中，箱线图常用于比较不同组（如班级、学校或人口统计类别）的考试成绩。
np.random.seed() 函数用于确保随机数生成的可重复性，这对于科学和教育演示至关重要。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

最新文章

随机文章