pythoniris

『壹』 Python數據分析03-Iris-箱形圖與outliers

箱形圖在Python數據分析中的應用及異常值識別：

1. 箱形圖的作用：

   • 展示數據分布：箱形圖能清晰地展示數據集中樞位置、分布范圍以及異常值。
   • 比較不同數據集：在比較不同變數或數據集分布特徵時，箱形圖具有顯著優勢。

2. 箱形圖的繪制方法：

   • 確定關鍵點：首先確定數據的最大值、最小值、中位數以及兩個四分位數。
   • 畫出箱體：通過連接這些點畫出箱體，再將上邊緣與下邊緣與箱體相連，中位數位於箱體中心。

3. Python中使用seaborn庫繪制箱形圖：

   • 設置參數：可以通過設置x軸、y軸和hue等參數來繪制箱形圖。
   • 輔助展示：seaborn庫還提供了stripplot函數來輔助展示數據點的分布，為箱形圖提供更豐富的信息。

4. 異常值的識別：

   • 定義：在箱形圖中，任何位於箱體外部的點被視為異常值。
   • 實例：在Iris數據集中，通過箱形圖可以識別出Irissetosa品種存在的幾個「越線」異常值，這些數據點在特徵上與該品種的主要特徵不符。

5. 異常值的意義：

   • 並非錯誤：異常值在機器學習分類模型中並不一定表示數據錯誤，而是可能為模型提供額外的分類信息或異常情況的指示。
   • 實用性：例如，在Iris數據集中，存在一些PetalsLength較短的樣本，雖然它們是異常值，但仍被正確分類為Irissetosa，這展示了箱形圖在識別數據中潛在異常點的實用性。