HOWTO · Seaborn
Seaborn 箱線圖
本教程演示瞭如何在 python 中使用 seaborn 模組建立箱線圖
本頁內容
使用 seaborn.boxplot() 摘要呈現數值分布，或比較不同類別的數值。明確指定資料欄位，讓 Seaborn 知道各變數應對應到哪個座標軸。箱形圖會顯示中位數與四分位距（IQR）；使用預設鬚線規則時，鬚線會延伸至距離箱體不超過 1.5 倍 IQR 的最遠觀測值，距離更遠的觀測值則會以個別點呈現。
本文的所有範例都使用相同的組成部分：箱體涵蓋資料的中間一半，內部的線是中位數，鬚線依所選規則標記範圍，鬚線之外的點會個別繪製。
建立單一分布的箱形圖
將測量值放在 DataFrame 的一個欄位中，並將該欄位指定給 y。這樣能清楚表明資料的用途，也能讓圖表有合適的座標軸標籤。下方範例使用固定數值，因此每次執行時輸入都相同。
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
data = pd.DataFrame({"Score": [12, 14, 15, 16, 18, 19, 21, 24]})
ax = sns.boxplot(data=data, y="Score")
ax.set_title("Score distribution")
plt.show()
箱體內的線代表中位數。箱體從第一四分位數延伸至第三四分位數，因此箱體高度代表觀測值中間的一半。箱體越長，表示資料中央部分的分散程度越大。鬚線則依所選規則顯示數值範圍，不一定會延伸到最小值和最大值。
比較不同類別的分布
將類別指定給 x，並將數值測量欄位指定給 y，即可在每個類別下各自顯示一個箱體。在這組資料中，每個箱體都摘要呈現一個 Quantity 水準的 Price。加入 hue="Product" 會將各類別再依產品分組，方便比較相同數量下的不同產品。
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
data = pd.DataFrame(
{
"Quantity": [5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8],
"Price": [9, 10, 15, 16, 13, 14, 15, 18, 11, 12, 14, 15, 16, 17, 18, 19],
"Product": ["A", "A", "A", "A", "B", "B", "B", "B"] * 2,
}
)
ax = sns.boxplot(data=data, x="Quantity", y="Price", hue="Product")
ax.set_title("Price by quantity and product")
plt.show()
當額外分組有助於回答比較問題時，可使用 hue。如果分組太多，箱體可能會擠在一起；此時可簡化類別，或改用多張圖，讓各組分布仍然清楚易讀。
使用 Strip Plot 顯示個別觀測值
箱形圖會將資料濃縮為摘要統計量。如果讀者也需要看到每筆觀測值，可疊加 seaborn.stripplot()。兩層圖使用相同的座標軸和資料對應方式，再加入少量水平抖動，避免數值相近的點完全重疊。
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
data = pd.DataFrame({"Score": [12, 14, 15, 16, 18, 19, 21, 24]})
ax = sns.boxplot(data=data, y="Score", color="lightgray")
sns.stripplot(data=data, y="Score", color="darkred", jitter=0.15, ax=ax)
ax.set_title("Scores with individual observations")
plt.show()
箱體仍代表摘要，而每個標記則代表資料中的一列。資料集較大時，點可能互相重疊；可調整標記大小或透明度，讓密集區域仍易於辨識。
自訂箱形圖
使用 Matplotlib 的座標軸範圍方法聚焦於相關數值區間，使用 linewidth 調整箱體與鬚線邊框的粗細，並使用 palette 為類別指定顏色。orient 參數可控制圖表方向；例如，當資料對應方式相容時，orient="h" 會要求繪製水平圖。座標軸範圍只會改變顯示視野，因此設定時請謹慎選擇範圍並維持清楚的刻度，避免隱藏重要觀測值。
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
data = pd.DataFrame(
{
"Quantity": [5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8],
"Price": [9, 10, 15, 16, 13, 14, 15, 18, 11, 12, 14, 15, 16, 17, 18, 19],
"Product": ["A", "A", "A", "A", "B", "B", "B", "B"] * 2,
}
)
ax = sns.boxplot(
data=data,
x="Quantity",
y="Price",
hue="Product",
linewidth=2.5,
palette="Set2",
)
ax.set_ylim(8, 20)
ax.set_title("Customized price comparison")
plt.show()
調色盤的顏色會對應到 hue 分組。若要使用水平箱體，請交換類別與測量值的對應方式，並設定 orient="h"；此時應使用 set_xlim() 而非 set_ylim() 設定座標軸範圍。
使用 catplot() 建立箱形圖
若要使用圖層級介面，可搭配 kind="box" 使用 catplot()。它接受相同的明確資料對應方式，也能在需要依另一個變數拆分比較時，透過 col 或 row 建立不同面板。單張圖可使用座標軸層級的 seaborn.boxplot()；若圖表需要分面，則可使用 catplot()。
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
data = pd.DataFrame(
{
"Quantity": [5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8, 5, 6, 7, 8],
"Price": [9, 10, 15, 16, 13, 14, 15, 18, 11, 12, 14, 15, 16, 17, 18, 19],
}
)
grid = sns.catplot(data=data, x="Quantity", y="Price", kind="box")
grid.set_axis_labels("Quantity", "Price")
grid.fig.suptitle("Price by quantity")
plt.show()
由於 catplot() 建構的是整個圖形，它回傳的是網格物件而不是單一座標軸；應像範例中那樣在網格上設定標籤和標題，而不是呼叫 ax.set_title()。
處理欄位缺失錯誤並設定鬚線範圍
由於每個對應都以名稱指定 DataFrame 的欄位，拼寫錯誤的名稱會在繪製任何內容之前失敗。以下呼叫請求了資料中不存在的欄位 Scroe：
import pandas as pd
import seaborn as sns
data = pd.DataFrame({"Score": [12, 14, 15, 16, 18, 19, 21, 24]})
ax = sns.boxplot(data=data, y="Scroe")
該呼叫以下列錯誤結束：
ValueError: Could not interpret value `Scroe` for `y`. An entry with this name does not appear in `data`.
將名稱修正為與欄位完全一致（此處為 y="Score"），同一呼叫即可繪製圖形。當不確定正確拼寫時，列印 data.columns 並從中複製名稱；此檢查對 x、y 和 hue 同樣適用。
鬚線是讀者會遇到的另一個邊界。向分數中加入一個遠離的值 60：四分位數幾乎不變（第一四分位數 15，中位數 18，第三四分位數 21），在預設 whis=1.5 下，上鬚線停在 24，而 60 被繪製為其外側的一個孤點。將 whis 作為百分位數對傳入，則鬚線會改為延伸到資料的這些百分位數：
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
scores = pd.DataFrame({"Score": [12, 14, 15, 16, 18, 19, 21, 24, 60]})
ax = sns.boxplot(data=scores, y="Score", whis=(0, 100))
plt.show()
使用 whis=(0, 100) 時，鬚線到達最小值 12 和最大值 60，其外側不再留有任何點。除非完整範圍本身就是要傳達的資訊，否則應優先使用預設值：拉長的鬚線會掩蓋極端值的異常程度。另請注意，空欄位不會引發錯誤——Seaborn 會回傳一個空的座標軸——因此當資料來自管線時，請在繪圖前檢查列數。
