Biểu đồ hộp (box plot) là gì? Vẽ boxplot bằng Matplotlib
Bài 8/16 · Chương 2
Vẽ biểu đồ với Matplotlib
- 7 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Biểu đồ hộp (box plot) gói cả một cột số vào một cái hộp có vạch trung vị ở giữa và hai cạnh là tứ phân vị Q1, Q3. Hai râu chạy tới các giá trị còn bình thường, chấm rời là điểm ngoại lai. Bạn vẽ nó bằng ax.boxplot() khi cần so phân bố của nhiều nhóm cùng lúc, như mức bụi mịn của sáu tỉnh, thành trên một hình.
Cần biết trước: histogram, thống kê mô tả và ngoại lai theo IQR.
Đọc một biểu đồ hộp
Lấy lại điểm Toán của 498 thí sinh trong diem_thi.csv. Histogram cho thấy hình dạng; biểu đồ hộp rút nó còn năm con số để mắt so nhanh. In ba tứ phân vị bằng quantile() rồi vẽ hộp để đối chiếu:
import pandas as pd
import matplotlib.pyplot as plt
diem = pd.read_csv("diem_thi.csv")
toan = diem["toan"].dropna()
print(toan.quantile([0.25, 0.5, 0.75]).tolist())
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
hop = ax.boxplot(toan, orientation="horizontal")
ax.set_title("Điểm Toán của 498 thí sinh")
ax.set_xlabel("Điểm")
ax.set_ylabel("Môn Toán")
ax.set_yticks([])
print("Ngoại lai:", hop["fliers"][0].get_xdata())
plt.show()KẾT QUẢ
[5.4, 6.6, 7.4]
Ngoại lai: [1.8]Một nửa số thí sinh đạt từ 5,4 đến 7,4 điểm, và trung vị là 6,6. Từng phần của hình:
Hộp chạy từ Q1 = 5,4 tới Q3 = 7,4. Độ dài hộp, 2 điểm, là khoảng tứ phân vị (IQR).
Vạch trong hộp là trung vị 6,6.
Râu kéo tới giá trị xa nhất còn nằm trong 1,5 lần IQR tính từ cạnh hộp: bên trái tới 2,8, bên phải tới 10.
Chấm rời là điểm ngoại lai, nằm ngoài tầm râu: một thí sinh được 1,8.
orientation="horizontal" đặt hộp nằm ngang, còn set_yticks([]) bỏ vạch số 1 thừa trên trục y, chỉ để lại nhãn "Môn Toán". ax.boxplot() trả về một dict các phần đã vẽ; khóa "fliers" giữ các điểm ngoại lai.
So nhiều nhóm bằng tick_labels=
Biểu đồ hộp mạnh nhất khi đứng cạnh nhau. ax.boxplot() nhận một list các mảng, mỗi mảng một hộp. Duyệt groupby() bằng vòng for cho từng cặp tên nhóm và bảng con, rồi gom thành hai list: dữ liệu và tên:
import pandas as pd
import matplotlib.pyplot as plt
kk = pd.read_csv("khong_khi.csv")
mang, ten = [], []
for tinh, nhom in kk.groupby("tinh"):
ten.append(tinh)
mang.append(nhom["pm25"].to_numpy())
fig, ax = plt.subplots(figsize=(8, 4), layout="constrained")
ax.boxplot(mang, tick_labels=ten)
ax.set_title("PM2.5 hằng ngày năm 2025 theo tỉnh, thành")
ax.set_xlabel("Tỉnh, thành")
ax.set_ylabel("PM2.5 (µg/m³)")
print(len(mang), "hộp, bên trái:", ten[0])
plt.show()KẾT QUẢ
6 hộp, bên trái: Bắc NinhBắc Ninh và Hà Nội có trung vị cao nhất, 45,6 và 40 µg/m³, hộp lại rộng, nghĩa là bụi mịn vừa cao vừa dao động mạnh. Đà Nẵng thấp nhất với trung vị 19,1. tick_labels= ghi tên từng hộp theo thứ tự trong list; hộp dọc là mặc định, hộp đầu tiên ở bên trái. Sáu tên tỉnh dài cần chỗ, nên hình rộng 8 inch. Code cũ trên mạng viết labels= cho việc này: Matplotlib 3.9 đổi tên thành tick_labels=, bản 3.10 vẫn nhận tên cũ kèm cảnh báo, còn bản 3.11 thì dừng với lỗi. Tương tự, vert=False cũ nay viết là orientation="horizontal".
Đổi "pm25" thành "pm10" rồi chạy lại: dòng kết quả vẫn in 6 hộp, bên trái: Bắc Ninh, nhưng trục y kéo dài tới gần 290 vì bụi PM10 hạt to hơn.
Khi nào chọn hộp, khi nào chọn histogram
Histogram cho thấy hình dạng chi tiết của một phân bố: một đỉnh hay hai đỉnh, có khe trống không. Biểu đồ hộp bỏ chi tiết đó để đổi lấy sự gọn: sáu hộp đứng cạnh nhau vẫn đọc được, còn sáu histogram chồng lên nhau thì không. Một hộp không cho biết dữ liệu có hai đỉnh, nên với một nhóm, xem histogram trước. Với nhiều nhóm, bắt đầu bằng các hộp, rồi mở histogram của nhóm nào trông lạ. Bảng so các loại biểu đồ theo câu hỏi có ở bài chọn đúng loại biểu đồ.
Chấm ngoại lai trên hình chỉ là "xa hơn 1,5 IQR", không có nghĩa là số sai. Bảy ngày PM2.5 vượt râu ở Bắc Ninh có thể là những ngày ô nhiễm thật. Bài ngoại lai theo IQR chỉ cách lọc các dòng đó ra để kiểm tra từng ngày.
Kiểm tra nhanh
Ở ví dụ đầu bài, hộp chạy từ 5,4 đến 7,4. Khoảng đó chứa bao nhiêu phần thí sinh?
- Một phần tư
- Một nửa, ở giữa
- Ba phần tư
Vì sao thí sinh 1,8 điểm hiện thành chấm rời?
- Vì điểm đó bị nhập sai
- Vì nó nằm xa cạnh hộp hơn 1,5 lần IQR
- Vì đó là điểm thấp nhất, mà điểm thấp nhất luôn là ngoại lai
Trong khung bẫy, vì sao hai hộp biến mất?
- Vì
tick_labels=sai tên - Vì hai cột còn ô trống, và một ô trống làm cả hộp thành
nan - Vì thiếu
orientation="horizontal"
- Vì
Điền tham số ghi tên các hộp:
ax.boxplot(mang, ____=ten)
Bài tập
Vẽ hộp theo thứ tự cho trước, ghi số dòng
Bảng bang có một cột nhóm (chữ) và một cột số có thể có ô trống. Viết thân hàm ve_hop(bang, cot_nhom, cot_so, thu_tu, nhan_so) vẽ trên một axes mới:
mỗi tên trong list
thu_tumột hộp dọc củacot_so, theo đúng thứ tự trong list, hộp đầu tiên bên trái; nhóm không có trongthu_tuthì không vẽ;bỏ ô trống của từng nhóm trước khi vẽ;
nhãn dưới mỗi hộp là tên nhóm kèm số giá trị không trống, dạng
Huế (n=2), ghi bằngtick_labels=;tiêu đề đúng là
So sánh phân bố theo nhóm, nhãn trục x đúng làNhóm, nhãn trục y là chuỗinhan_so.
Mọi nhóm trong thu_tu đều có ít nhất một số. Hàm không sửa bảng của nơi gọi.
Trả về: vùng vẽ, một Axes.
import matplotlib.pyplot as plt
def ve_hop(bang, cot_nhom, cot_so, thu_tu, nhan_so):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Hộp chạy từ Q1 tới Q3, vạch giữa là trung vị; độ dài hộp là IQR.
Râu kéo tới giá trị xa nhất trong 1,5 IQR từ cạnh hộp; chấm rời là điểm ngoại lai.
ax.boxplot(list_mang, tick_labels=ten)vẽ nhiều hộp;orientation="horizontal"đặt hộp nằm ngang.tick_labels=thay cholabels=cũ,orientation=thay chovert=Falsecũ.Bỏ ô trống bằng
dropna()trước khi vẽ; một ô trống làm cả hộp thànhnan.
Câu hỏi thường gặp
Q1, Q3 trên hộp tính bằng gì?
Sắp các giá trị tăng dần rồi chia thành bốn phần bằng nhau: Q1 là mốc 25%, Q2 là trung vị, Q3 là mốc 75%. pandas tính bằng cot.quantile([0.25, 0.5, 0.75]), và đó cũng là cách ax.boxplot() dùng để vẽ hộp. Bài thống kê mô tả có describe() in cả năm số một lần.
Matplotlib boxplot có tô màu hộp được không?
Được: thêm patch_artist=True để hộp thành hình có nền, rồi đặt màu cho từng hộp trong khóa "boxes" của dict trả về. seaborn làm việc này gọn hơn với sns.boxplot(), xem bài boxplot và violinplot.
Box plot có cho biết số lượng mỗi nhóm không?
Không: một hộp 7 giá trị và một hộp 700 giá trị trông y như nhau. Khi các nhóm chênh lệch lớn về số dòng, ghi số dòng vào tên nhóm, như "Huế (n=42)", để người xem biết hộp nào dựa trên ít dữ liệu.
Chủ đề
Dữ liệu của bài
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.