Python बॉक्सप्लॉट्स: शुरुआती लोगों के लिए एक व्यापक मार्गदर्शिका

क्या आपने कभी सोचा है कि Python में संख्यात्मक डेटा के डिस्ट्रीब्यूशन को बेहतर ढंग से कैसे प्रदर्शित किया जाए? इसका सबसे अच्छा तरीका है बॉक्सप्लॉट्स का इस्तेमाल करना सीखना! बॉक्सप्लॉट्स कई समूहों के बीच डिस्ट्रीब्यूशन की तुलना दिखाने का बेहतरीन तरीका हैं।

इस ट्यूटोरियल में, हम जानेंगे कि बॉक्सप्लॉट्स क्या होते हैं, Python में उन्हें बनाने के विभिन्न तरीके, और कुछ आम शुरुआती गलतियाँ।

Python बॉक्सप्लॉट्स क्या हैं?

बॉक्सप्लॉट्स, जिन्हें बॉक्स-एंड-व्हिस्कर प्लॉट्स भी कहा जाता है, डेटा प्रदर्शित करने का एक मानक तरीका है जो पाँच-संख्या सारांश पर आधारित होता है: न्यूनतम, प्रथम क्वार्टाइल (Q1), माध्यिका, तृतीय क्वार्टाइल (Q3) और अधिकतम।

बॉक्सप्लॉट्स विशेष रूप से आउटलायर्स पहचानने और डेटा के फैलाव तथा स्क्यूनेस को समझने में उपयोगी होते हैं। इन्हें कई समूहों की तुलना करते समय या किसी एक चर के डिस्ट्रीब्यूशन को विज़ुअलाइज़ करने में भी इस्तेमाल किया जाता है।

बॉक्सप्लॉट के घटक

एक सामान्य बॉक्सप्लॉट में कई घटक होते हैं:

1. माध्यिका (Median): डेटा का मध्य मान, जो बॉक्स के भीतर एक रेखा से प्रदर्शित होता है।
2. बॉक्स: ये इंटरक्वार्टाइल रेंज (IQR) दर्शाते हैं, जो Q1 और Q3 के बीच की रेंज होती है। नीचे और ऊपर की किनारें क्रमशः Q1 और Q3 को दर्शाती हैं।
3. व्हिस्कर्स: ये बॉक्स के दोनों सिरों से बाहर की ओर जाने वाली ऊर्ध्वाधर रेखाएँ होती हैं जो न्यूनतम और अधिकतम मान (आउटलायर्स को छोड़कर) को दर्शाती हैं।
4. आउटलायर्स: ये व्हिस्कर्स के बाहर के बिंदु होते हैं, जिन्हें शेष डेटा की तुलना में असामान्य या चरम माना जाता है।
5. कैप्स: ये व्हिस्कर्स के सिरों पर क्षैतिज रेखाएँ होती हैं, जो न्यूनतम और अधिकतम मानों का प्रतिनिधित्व करती हैं, जिनमें आउटलायर्स भी शामिल हो सकते हैं।

ये घटक मिलकर बॉक्सप्लॉट को सांख्यिकीय अर्थ देते हैं और अलग-अलग डेटा समूहों के बीच आसान दृश्य तुलना संभव बनाते हैं।

Python एक उन्नत टूल है जो हमें बॉक्सप्लॉट्स बनाने में मदद करता है। आगे के अनुभागों में, हम इसके अलग-अलग तरीकों की समीक्षा करेंगे।

Python बॉक्सप्लॉट्स: चरण-दर-चरण मार्गदर्शिका

अब जब हमें बॉक्सप्लॉट्स की बुनियादी समझ है, तो देखते हैं कि Python का उपयोग करके इन्हें कैसे बनाया जाए। Python में Matplotlib, Seaborn और Plotly जैसी कई लाइब्रेरीज़ बॉक्सप्लॉट्स बनाने का समर्थन करती हैं।

1. आवश्यक लाइब्रेरीज़ इंस्टॉल करना

Python में बॉक्सप्लॉट्स बनाने के लिए, पहले आवश्यक लाइब्रेरीज़ इंस्टॉल करनी होंगी। मुख्य लाइब्रेरीज़ हैं Matplotlib, Seaborn, और Plotly।

उन्हें इंस्टॉल करने का कोड इस प्रकार है:

pip install matplotlib
pip install seaborn
pip install plotly==5.22.0

2. लाइब्रेरीज़ इम्पोर्ट करना और डेटा लोड करना

इंस्टॉलेशन के बाद अगला कदम है इन लाइब्रेरीज़ को अपने Python वातावरण में इम्पोर्ट करना।

साथ ही, जिन डेटासेट्स का आप बॉक्सप्लॉट्स के लिए उपयोग करेंगे, उन्हें भी लोड करना सुनिश्चित करें, यदि कोई हों।

#imports Matplotlib library and assigns shorthand 'plt'
import matplotlib.pyplot as plt
#imports Seaborn library and assigns shorthand 'sns'
import seaborn as sns
#imports Plotly library and assigns shorthand 'px'
import plotly.express as px

3. Matplotlib बॉक्सप्लॉट्स बनाना

Python की बहुमुखी प्रतिभा के कारण, एक साधारण बॉक्सप्लॉट बनाना बहुत कम कोड में हो जाता है। सबसे आम लाइब्रेरी Matplotlib से शुरू करते हैं।

1. एकल Matplotlib बॉक्सप्लॉट

Matplotlib के साथ बॉक्सप्लॉट बनाने के लिए, आवश्यक लाइब्रेरीज़ इम्पोर्ट करें:

import matplotlib.pyplot as plt
import numpy as np

अब एक साधारण डेटासेट तैयार करें:

# Generates some random dataset
np.random.seed(10) 
data = np.random.normal(0, 1, 100)

अंत में, वास्तविक बॉक्सप्लॉट बनाएँ और दिखाएँ:

# Creates a boxplot
plt.boxplot(data) plt.title('Basic Boxplot') plt.show()

परिणाम इस प्रकार हैं:

2. एकाधिक Matplotlib बॉक्सप्लॉट्स

यदि आप अलग-अलग सबप्लॉट्स में अलग-अलग बॉक्सप्लॉट्स बनाना चाहते हैं, तो आप subplot फ़ंक्शन का उपयोग कर सकते हैं। इससे आप एक ही छवि में कई बॉक्सप्लॉट्स को साथ-साथ बना सकते हैं। 

पूरा कोड उदाहरण यहाँ है:

import matplotlib.pyplot as plt
import numpy as np
# Generates multiple datasets
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 2, 100)
data3 = np.random.normal(2, 1.5, 100)
# Creates subplots
fig, axs = plt.subplots(1, 3, figsize=(15, 5))
# Plots Boxplot for Data 1
axs[0].boxplot(data1)
axs[0].set_title('Data 1')
axs[0].set_xlabel('Sample')
axs[0].set_ylabel('Value')
# Plots Boxplot for Data 2
axs[1].boxplot(data2)
axs[1].set_title('Data 2')
axs[1].set_xlabel('Sample')
axs[1].set_ylabel('Value')
# Plots Boxplot for Data 3
axs[2].boxplot(data3)
axs[2].set_title('Data 3')
axs[2].set_xlabel('Sample')
axs[2].set_ylabel('Value')
# Adjusts layout
plt.tight_layout()
plt.show()

यह परिणामी प्लॉट है:

हालाँकि, ये सबप्लॉट्स एक ही अक्ष साझा नहीं करते और श्रेणियों के बीच साथ-साथ तुलना के लिए उपयुक्त नहीं हैं। समान अक्ष वाले कई बॉक्सप्लॉट्स के लिए, आपको समूहित बॉक्सप्लॉट्स बनाने होंगे।

समूहित बॉक्सप्लॉट्स कई श्रेणियों में डिस्ट्रीब्यूशन की तुलना करने के लिए विशेष रूप से उपयोगी होते हैं। वे डेटा की अधिक सूक्ष्म समझ प्रदान करते हैं। ये तुलनाएँ ऐसे अंतर दिखा सकती हैं जो अन्य चार्ट्स से तुरंत स्पष्ट नहीं होते।

हर समूह को एक ही चार्ट में साथ-साथ प्रस्तुत किया जाता है, जिससे विभिन्न उप-श्रेणियों में विविधताएँ, रुझान, और आउटलायर्स को उजागर करना आसान हो जाता है।

समूहित सबप्लॉट इस तरह बनाएँ:

# Generates grouped data
data_group1 = [np.random.normal(0, 1, 100), np.random.normal(1, 2, 100), np.random.normal(2, 1.5, 100)]
data_group2 = [np.random.normal(0, 1, 100), np.random.normal(1, 2, 100), np.random.normal(2, 1.5, 100)]
# Combines two data groups into a dataset
data = data_group1 + data_group2
# Creates grouped boxplots
plt.boxplot(data, positions=[1, 2, 3, 5, 6, 7], labels=['G1-D1', 'G1-D2', 'G1-D3', 'G2-D1', 'G2-D2', 'G2-D3'])
plt.title('Grouped Boxplots')
plt.xlabel('Group-Dataset')
plt.ylabel('Value')
plt.show()

ऊपर दिए गए कोड से बना समूहित बॉक्सप्लॉट इस प्रकार है:

4. Matplotlib बॉक्सप्लॉट्स को कस्टमाइज़ करना

आप Matplotlib में उन्नत कस्टमाइज़ेशन का उपयोग करके अपनी डेटा विज़ुअलाइज़ेशन को बेहतर बना सकते हैं।

मीन जोड़ना, मानक विचलन जोड़ना, समूहित बॉक्सप्लॉट्स बनाना, और क्षैतिज बॉक्सप्लॉट्स का उपयोग करना जैसी तकनीकें आपके डेटा डिस्ट्रीब्यूशन पर बेहतर अंतर्दृष्टि प्रदान कर सकती हैं।

Python में बॉक्सप्लॉट्स को कस्टमाइज़ करने से आप विज़ुअल्स को अपनी परियोजना की जरूरतों के अनुसार ढाल सकते हैं।

Matplotlib लाइब्रेरी का उपयोग करके बॉक्सप्लॉट्स को कस्टमाइज़ करने के कुछ तरीके यहाँ दिए गए हैं:

1. लेबल्स और शीर्षक जोड़ना

शीर्षक और लेबल्स आपके प्लॉट्स को दर्शकों के लिए अधिक आसानी से समझने योग्य बनाते हैं, ताकि वे जल्दी से डेटा तुलना समझ सकें। इन्हें जोड़ना आसान है और Matplotlib के फ़ंक्शंस से किया जा सकता है।

Matplotlib बॉक्सप्लॉट में लेबल्स जोड़ने के लिए:

plt.boxplot(data)
# Adds title
plt.title('Customized Boxplot Title')
# Adds x axis label
plt.xlabel('Customized X Label')
# Adds y axis label
plt.ylabel('Customized Y Label')
plt.show()

यह नीचे दी गई छवि जैसा लेबलयुक्त बॉक्सप्लॉट बनाएगा:

2. बॉक्सप्लॉट के रंग समायोजित करना

Python में बॉक्सप्लॉट्स के रंग और शैली को कस्टमाइज़ करने से डेटा प्रस्तुति आकर्षक और स्पष्ट बनती है। यह आपको अपने हितधारकों के लिए विशिष्ट डेटा बिंदुओं या तुलनाओं पर प्रभावी ढंग से जोर देने में भी मदद करेगा।

आप boxprops, whiskerprops, capprops, medianprops, और flierprops पैरामीटर्स का उपयोग करके बॉक्स, व्हिस्कर्स, कैप्स, माध्यिका और फ्लायर्स के रंग बदल सकते हैं।

कोड उदाहरण इस प्रकार है:

plt.boxplot(data, boxprops=dict(color='blue'), whiskerprops=dict(color='red'), capprops=dict(color='green'), medianprops=dict(color='orange'), flierprops=dict(markerfacecolor='red', marker='o'))
plt.show()

यह आपके द्वारा सेट किए गए पैरामीटर्स के आधार पर बॉक्सप्लॉट के घटकों के लिए अलग-अलग रंग बनाएगा:

3. मीन और मानक विचलन जोड़ना

अधिक सांख्यिकीय जानकारी देने के लिए बॉक्सप्लॉट में मीन और मानक विचलन जोड़ें।

# Creates dataset
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(1, 2, 100)
data3 = np.random.normal(2, 1.5, 100)
# Calculates the mean and standard deviations
mean = [np.mean(d) for d in data]
std_devs = [np.std(d) for d in data]
# Creates a boxplot
plt.boxplot(data, labels=['Data 1', 'Data 2', 'Data 3'])
# Adds mean as red dots
for i in range(len(mean)):
   plt.plot(i + 1, mean[i], 'ro')
# Adds standard deviations as error bars
for i in range(len(std_devs)):
   plt.errorbar(i + 1, mean[i], yerr=std_devs[i], fmt='o', color='red')
# Plots graph
plt.title('Boxplot with Means and Standard Deviations')
plt.xlabel('Dataset')
plt.ylabel('Value')
plt.show()

यह परिणामी प्लॉट है:

4. क्षैतिज बॉक्सप्लॉट्स

लंबे श्रेणी नामों के साथ काम करते समय क्षैतिज बॉक्सप्लॉट्स विज़ुअलाइज़ेशन को अधिक पठनीय बना सकते हैं।

यह Matplotlib में boxplot फ़ंक्शन के vert आर्ग्युमेंट पैरामीटर का उपयोग करके आसानी से किया जा सकता है।

# Creates horizontal boxplot
plt.boxplot(data,
            labels=['Data 1', 'Data 2', 'Data 3'], 
            vert=False)
# Plots graph
plt.title('Horizontal Boxplot')
plt.xlabel('Value')
plt.ylabel('Dataset')
plt.show()

ऊपर दिए गए कोड को चलाने से यह प्लॉट बनेगा:

हमारा Introduction to Data Visualization with Matplotlib कोर्स आपको बॉक्सप्लॉट्स से आगे की विज़ुअलाइज़ेशन बनाना बेहतर तरीके से समझने में भी मदद करेगा।

यदि आप भविष्य में इस जानकारी से परामर्श करना चाहें, तो Matplotlib में प्लॉटिंग के लिए यहाँ एक चीट शीट सारांश दिया गया है:

5. Seaborn के साथ बॉक्सप्लॉट्स बनाना

Seaborn, जो Matplotlib के ऊपर बनाया गया है, कम कोड में आकर्षक बॉक्सप्लॉट्स बनाना आसान बनाता है। इसका सरल सिंटैक्स सभी कौशल स्तरों के लिए सुलभ है, और अन्य लाइब्रेरीज़ के साथ इसका एकीकरण अधिकतम डेटा विश्लेषण लचीलापन प्रदान करता है।

1. बुनियादी Seaborn बॉक्सप्लॉट

Seaborn का उपयोग करके एक बुनियादी बॉक्सप्लॉट बनाने की चरण-दर-चरण गाइड यहाँ है। पहले की तरह, आवश्यक लाइब्रेरीज़ इम्पोर्ट करके शुरू करें।

# Imports necessary libraries
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

अब एक साधारण डेटासेट तैयार करें:

# Generates a random dataset
np.random.seed(10)
data = np.random.normal(0, 1, 100)

अंत में, वास्तविक बॉक्सप्लॉट बनाएँ और दिखाएँ:

# Creates a basic boxplot
sns.boxplot(data=data)
# Adds title to the boxplot
plt.title('Basic Boxplot') 
plt.show()

यह परिणामी प्लॉट है:

2. उन्नत Seaborn कस्टमाइज़ेशन

आप hue, orient, और palette पैरामीटर्स का उपयोग करके अपने Seaborn प्लॉट को कस्टमाइज़ कर सकते हैं. 

श्रेणियों के आधार पर अपने बॉक्सप्लॉट में रंग जोड़ने के लिए hue पैरामीटर का उपयोग करें:

# Generate multiple datasets
data = {
    'Group': ['A']*100 + ['B']*100 + ['C']*100,
    'Value': np.concatenate([np.random.normal(0, 1, 100), 
                             np.random.normal(1, 2, 100), 
                             np.random.normal(2, 1.5, 100)])
}
df = pd.DataFrame(data)
# Create additional grouping data
df['Subgroup'] = np.random.choice(['X', 'Y'], size=300)
# Plots graph
sns.boxplot(x='Group', y='Value', data=df, hue='Subgroup', palette='Set2')
plt.title('Colored Boxplot')
plt.show()

यह संशोधित बॉक्सप्लॉट है:

अपने बॉक्सप्लॉट को किसी विशिष्ट उन्मुखीकरण में संरेखित करने के लिए orient पैरामीटर का उपयोग करें। ऊर्ध्वाधर उन्मुखीकरण के लिए orient को 'v' पर सेट करें। क्षैतिज उन्मुखीकरण के लिए इसे 'h' पर सेट करें।

क्षैतिज बॉक्सप्लॉट के लिए कोड इस प्रकार है:

# Plots horizontal boxplot
sns.boxplot(data=df, orient='h', palette='Set2')
plt.title('Colored Boxplot')
plt.show()

ऊपर दिया गया कोड ऐसा बॉक्सप्लॉट बनाएगा:

व्यक्तिगत डेटा बिंदु जोड़ने के लिए, आप swarmplot फ़ंक्शन का उपयोग करके स्वॉर्म प्लॉट ओवरले कर सकते हैं:

# Plots boxplot
sns.boxplot(x='Group', y='Value', data=df)
# Overlays swarm plot over boxplot
sns.swarmplot(x='Group', y='Value', data=df, color='black', alpha=0.5)
plt.title('Boxplot with Swarmplot')
plt.show()

ऊपर दिया गया कोड ऐसा बॉक्सप्लॉट बनाएगा:

इस तरह का स्वॉर्म प्लॉट आपके डेटा के डिस्ट्रीब्यूशन में अधिक अंतर्दृष्टि प्रदान करने में मदद कर सकता है। यह बॉक्सप्लॉट की सांख्यिकीय जानकारी का पूरक होता है और आपके दर्शकों को डेटा की समग्र तस्वीर देता है।

Seaborn में डेटा विज़ुअलाइज़ेशन लागू करने के और तरीकों के लिए हमारा Introduction to Data Visualization with Seaborn कोर्स देखें।

यदि आप भविष्य में इस जानकारी से परामर्श करना चाहें, तो Seaborn में प्लॉटिंग के लिए यहाँ एक चीट शीट है:

Python बॉक्सप्लॉट परिणामों की व्याख्या

बॉक्सप्लॉट की व्याख्या संदर्भ और उस विशिष्ट शोध प्रश्न पर निर्भर करती है जिसे वह संबोधित करता है।

फिर भी, कुछ सामान्य दिशानिर्देश बॉक्सप्लॉट में दिखाए गए डेटा डिस्ट्रीब्यूशन को समझने में मदद कर सकते हैं। इनमें शामिल हैं:

• माध्यिका रेखा डेटासेट के मध्य मान को दर्शाती है।
• इंटरक्वार्टाइल रेंज (IQR) या मध्य 50% मान प्रथम क्वार्टाइल (Q1) और तृतीय क्वार्टाइल (Q3) के बीच होते हैं।
• व्हिस्कर्स क्रमशः Q3 और Q1 से 1.5 गुना ऊपर और नीचे तक फैले होते हैं।
• आउटलायर्स को बिंदु या तारांकन चिह्न से अलग से प्लॉट किया जाता है।
• बॉक्स और व्हिस्कर्स की लंबाई से डेटा के फैलाव का अंदाज़ा लगता है।
• स्क्यूड डिस्ट्रीब्यूशंस में बॉक्स का आकार और माध्यिका रेखा के सापेक्ष स्थिति असमान दिखाई देगी।
• Q3 से 1.5 गुना ऊपर या Q1 से नीचे के आउटलायर्स अत्यधिक मानों या डेटा माप में संभावित त्रुटियों का संकेत दे सकते हैं।

Python बॉक्सप्लॉट बनाते समय आम गलतियाँ

हालाँकि Python आपके डेटासेट्स के आधार पर आकर्षक बॉक्सप्लॉट्स बनाना आसान बनाता है, भ्रामक या गलत विज़ुअलाइज़ेशन से बचने के लिए कुछ बातों का ध्यान रखना चाहिए।

1. मिसिंग वैल्यूज़ को हैंडल न करना

Python बॉक्सप्लॉट बनाते समय, लोग अक्सर डेटा प्रीप्रोसेसिंग के महत्व को नज़रअंदाज़ कर देते हैं, जिससे भ्रामक परिणाम मिल सकते हैं. 

सभी डेटा विज़ुअलाइज़ेशन में प्लॉटिंग से पहले कुछ न कुछ सफाई की आवश्यकता होती है। बॉक्सप्लॉट्स भी अपवाद नहीं हैं और वे मिसिंग वैल्यूज़ को आउटलायर्स की तरह दिखा सकते हैं, जो परिणामों को तिरछा कर सकते हैं।

2. डेटा का अनुचित स्केलिंग

इसके अलावा, कभी-कभी उपयोगकर्ता डेटा को उचित रूप से स्केल करने में विफल रहते हैं, जिससे बॉक्सप्लॉट तिरछा हो सकता है और डेटासेट की वास्तविक विशेषताओं का गलत प्रतिनिधित्व कर सकता है। स्केलिंग यह सुनिश्चित करता है कि फीचर्स विश्लेषण में समान रूप से योगदान दें।

3. आउटलायर्स को संबोधित न करना

अंततः, विश्लेषक प्लॉटिंग से पहले आउटलायर्स की पूरी तरह जाँच और समाधान करना अनदेखा कर सकते हैं। आउटलायर्स का गलत प्रबंधन व्याख्या को तिरछा कर सकता है, इसलिए वास्तविक आउटलायर्स और डेटा संग्रह में त्रुटियों या विसंगतियों में अंतर करना आवश्यक है।

डेटा विज़ुअलाइज़ेशन बनाते समय यह चीट शीट आज़माएँ:

अंतिम विचार

बॉक्सप्लॉट्स डेटा डिस्ट्रीब्यूशंस को विज़ुअलाइज़ करने और उन्हें श्रेणियों में तुलना करने का एक मूल्यवान उपकरण हैं. 

Python में, आप Matplotlib, Seaborn, या Plotly का उपयोग करके कम कोड में जल्दी से बॉक्सप्लॉट्स बना सकते हैं। DataCamp में इन प्रत्येक टूल्स के लिए व्यापक कोर्स उपलब्ध हैं:

• Introduction to Data Visualization with Matplotlib
• Introduction to Data Visualization with Seaborn
• Introduction to Data Visualization with Plotly

Python का उपयोग करके डेटा विज़ुअलाइज़ेशन के बारे में और जानना चाहेंगे? तो Data Visualization with Python स्किल ट्रैक आपके लिए अत्यंत सहायक होगा!