matlab之绘制箱线图函数boxplot

水深无声 2022-11-07 11:42 999阅读 0赞

# 一、功能 #

用箱线图可视化汇总统计量

## 二、语法 ##

## `1.boxplot(x)` ##

创建 `x` 中数据的箱线图。如果 `x` 是向量，`boxplot` 绘制一个箱子。如果 `x` 是矩阵，`boxplot` 为 `x` 的每列绘制一个箱子。

在每个箱子上，中心标记表示**中位数**，箱子的**底边和顶边**分别表示第 **25** 个和 **75** 个百分位数。**须线**会延伸到不是离群值的最远端数据点，**离群值会以 `'+'` 符号单独绘制**。

## `2.boxplot(x,g)` ##

使用 `g` 中包含的一个或多个分组变量创建箱线图。

`boxplot` 为具有相同的一个或多个 `g` 值的各组 `x` 值创建一个单独的箱子。

## `3.boxplot(ax,___)` ##

使用坐标区图形对象 `ax` 指定的坐标区和任何上述语法创建箱线图。

## `4.boxplot(___,Name,Value)` ##

使用由一个或多个 `Name,Value` 对组参数指定的附加选项创建箱线图。例如，您可以指定箱子样式或顺序。

# 三、示例 #

## 1.创建箱线图 ##

创建一个表示每加仑英里数 (`MPG`) 测量值的箱线图。添加标题并为坐标区加标签。

load carsmall  % 加载样本数据
    boxplot(MPG)
    xlabel('All Vehicles')
    ylabel('Miles per Gallon (MPG)')
    title('Miles per Gallon for All Vehicles')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70][]

箱线图显示，样本数据中所有车辆的每加仑英里数的中位数约为 24 英里。最小值约为 9，最大值约为 44。

## 2.为分组数据创建箱线图 ##

根据样本数据创建每加仑英里数 (`MPG`) 测量值的箱线图，按车辆的原产国 (`Origin`) 分组。添加标题并为坐标区加标签。

load carsmall  % 加载样本数据
    boxplot(MPG,Origin)
    title('Miles per Gallon by Vehicle Origin')
    xlabel('Country of Origin')
    ylabel('Miles per Gallon (MPG)')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 1][]

每个箱子直观地表示来自指定国家/地区的汽车的 MPG 数据。意大利的“箱子”显示为一条线，因为样本数据只包含该组的一个观测值。

## 3.创建带缺口的箱线图 ##

生成两组样本数据。第一个样本 `x1` 包含从 `mu = 5` 和 `sigma = 1` 的正态分布生成的随机数。

第二个样本 `x2` 包含从 `mu = 6` 和 `sigma = 1` 的正态分布生成的随机数。

创建 `x1` 和 `x2` 的带缺口的箱线图。用对应的 `mu` 值对每个箱子加标签。

rng default  % For reproducibility
    x1 = normrnd(5,1,100,1);
    x2 = normrnd(6,1,100,1);
    
    figure
    boxplot([x1,x2],'Notch','on','Labels',{'mu = 5','mu = 6'})
    title('Compare Random Data from Different Distributions')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 2][]

箱线图显示两个组的中位数之间的差值约为 1。由于箱线图中的缺口不重叠，可以有 95% 的置信度认为真实的中位数不同。

下图显示了相同数据的箱线图，其中最大须线长度指定为四分位差的 1.0 倍。须线以外的数据点使用 `+` 显示。

figure
    boxplot([x1,x2],'Notch','on','Labels',{'mu = 5','mu = 6'},'Whisker',1)
    title('Compare Random Data from Different Distributions')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 3][]

**须线越短，`boxplot` 将越多的数据点显示为离群值。**

## 4.创建紧凑箱线图 ##

创建从标准正态分布生成的一个 100×25 随机数矩阵，用作样本数据。

在同一图上为 `x` 中的数据创建两个箱线图。顶部图使用默认格式，底部图使用紧凑格式。

rng default  % For reproducibility
    x = randn(100,25);
    figure
    
    subplot(2,1,1)
    boxplot(x)
    
    subplot(2,1,2)
    boxplot(x,'PlotStyle','compact')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 4][]

每个图显示相同的数据，但紧凑格式可以提高具有多个箱子的图的可读性。

## 5.可变长度向量的箱线图 ##

通过使用分组变量为不同长度的数据向量创建箱线图。

随机生成三个不同长度的列向量：长度分别为 `5`、`10` 和 `15`。将数据合并为一个长度为 `30` 的列向量。

创建一个分组变量，将同一值赋给 `x` 中来自于同一向量的行。例如，`g` 的前五行具有相同的值 `First`，因为 `x` 的前五行都来自同一个向量 `x1`。

rng('default')  % For reproducibility
    x1 = rand(5,1);
    x2 = rand(10,1);
    x3 = rand(15,1);
    x = [x1; x2; x3];
    
    g1 = repmat({'First'},5,1);
    g2 = repmat({'Second'},10,1);
    g3 = repmat({'Third'},15,1);
    g = [g1; g2; g3];
    
    boxplot(x,g)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 5][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70]: /images/20221023/1672bcce03524ef0b1de79e6db493b0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 1]: /images/20221023/b9948848478a4831b2105614b6597842.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 2]: /images/20221023/2c46a6e5031a4ba2940677124083408e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 3]: /images/20221023/8e53db3eb1d647b8bf17bc3bb43bb667.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 4]: /images/20221023/875152043acb4a598ccbec8ce6c76f55.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTc3MDg5Ng_size_16_color_FFFFFF_t_70 5]: /images/20221023/4a0c4918735c4e8da99719f8e9c05c5d.png