箱形图（Box-plot）又称为盒须图、盒式图或箱线图，

是一种用作显示一组数据分散情况资料的统计图。 因形状如箱子而得名。 在各种领域也经常被使用，常见于品质管理。 它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

看个例子

plt.boxplot() 参数详解

plt.boxplot(x,    # 指定要绘制箱线图的数据；
            notch=None,    #  凹口的 展现箱线图， 
            sym=None,    # 指定异常点的形状，默认为+号显示；
            vert=None,    # 是否需要将箱线图垂直摆放，默认垂直摆放；
            whis=None,    #  的距离，默认为1.5倍的四分位差；
            positions=None,    # 指定箱线图的位置，默认为[0,1,2…]；
            widths=None,    # 指定箱线图的宽度，默认为0.5；
            patch_artist=None,    # 是否填充箱体的颜色；
            bootstrap=None,    # 
            usermedians=None,    # 
            conf_intervals=None,    # 
            meanline=None,    # 是否用线的形式表示均值，默认用点来表示；
            showmeans=None,    #  
            showcaps=None,    #   
            showbox=None,    #   ；
            showfliers=None,    #  ；
            boxprops=None,    #  
            labels=None,    #  
            flierprops=None,    #  填充色等；
            medianprops=None,    # 设置中位数的属性，如线的类型、粗细等；
            meanprops=None,    # 设置均值的属性，如点的大小、颜色等；
            capprops=None,    # 设置箱线图顶端和末端线条的属性，如颜色、粗细等；
            whiskerprops=None,    # 设置须的属性，如颜色、粗细、线的类型等
            manage_xticks=True,    # 
            autorange=False,    # 
            zorder=None,    # 
            hold=None,    # 
            data=None)    # 

看一个例子

import numpy as np
import matplotlib.pyplot as plt

 
np.random.seed(19680801)

spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))
fig1, ax1 = plt.subplots()
ax1.set_title('Basic Plot')
ax1.boxplot(data)

1、numpy.ones()函数

可以创建任意维度和元素个数的数组，其元素值均为1

2、使用语法

numpy.ones(shape, dtype=None, order='C')

3、使用参数

• shape：int或int的序列，为新数组的形状；

• 如果我们仅指定一个int变量，则将返回一维数组。 对于一个整数元组，将返回给定形状的数组。

• dtype（可选 ）：数组的所需数据类型；默认是 numpy.float64。

• order ： {‘C’，‘F’}，可选，默认值：C 是否在内存中以行主（C-风格）或列主（Fortran-风格）顺序存储多维数据。

4、返回值：

返回具有给定形状，数据类型和顺序的数组。

5、使用实例

>>>b = np.ones((3,4),dtype=np.int64)
>>>print(b)
>[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

继续进行修改

fig2, ax2 = plt.subplots()
ax2.set_title('Notched boxes')
ax2.boxplot(data, notch=True)

继续修改

green_diamond = dict(markerfacecolor='g', marker='D')
fig3, ax3 = plt.subplots()
ax3.set_title('Changed Outlier Symbols')
ax3.boxplot(data, flierprops=green_diamond)

继续修改

fig4, ax4 = plt.subplots()
ax4.set_title('Hide Outlier Points')
ax4.boxplot(data, showfliers=False)

继续修改

red_square = dict(markerfacecolor='r', marker='s')
fig5, ax5 = plt.subplots()
ax5.set_title('Horizontal Boxes')
ax5.boxplot(data, vert=False, flierprops=red_square)