Boxplot in Python: guida completa per principianti

Ti sei mai chiesto come rappresentare al meglio le distribuzioni di dati numerici in Python? La scelta migliore è imparare a usare i boxplot! I boxplot sono un ottimo modo per visualizzare e confrontare le distribuzioni tra più gruppi.

In questo tutorial vedremo cosa sono i boxplot, i diversi modi per crearli in Python e alcuni errori comuni dei principianti.

Cosa sono i boxplot in Python?

I boxplot, noti anche come diagrammi a scatola e baffi, sono un modo standard di mostrare i dati basato su un riepilogo a cinque numeri: minimo, primo quartile (Q1), mediana, terzo quartile (Q3) e massimo.

I boxplot sono particolarmente utili per identificare gli outlier e comprendere la dispersione e l'asimmetria dei dati. Sono usati anche per confrontare più gruppi o visualizzare la distribuzione di una singola variabile.

Componenti di un boxplot

Un tipico boxplot include diversi componenti nella sua "anatomia":

1. Mediana: il valore centrale dei dati, rappresentato da una linea all'interno della scatola.
2. Scatole: rappresentano l'Interquartile Range (IQR), ossia l'intervallo tra Q1 e Q3. I bordi inferiore e superiore rappresentano rispettivamente Q1 e Q3.
3. Baffi: linee verticali che si estendono da ciascuna estremità della scatola per rappresentare i valori minimo e massimo, escludendo eventuali outlier.
4. Outlier: punti al di fuori dei baffi, considerati insoliti o estremi rispetto al resto dei dati.
5. Cappucci: linee orizzontali alle estremità dei baffi che rappresentano i valori minimo e massimo, inclusi eventuali outlier.

Questi elementi conferiscono al boxplot significato statistico e consentono confronti visivi immediati tra diversi gruppi di dati.

Python è uno strumento avanzato che può aiutarci a creare boxplot. Nelle sezioni seguenti esamineremo diversi metodi per farlo.

Boxplot in Python: guida passo passo

Ora che abbiamo una comprensione di base dei boxplot, vediamo come crearli con Python. Diverse librerie in Python, come Matplotlib, Seaborn e Plotly, supportano la creazione di boxplot.

1. Installare le librerie necessarie

Per creare boxplot in Python, devi prima installare le librerie necessarie. Le librerie principali sono Matplotlib, Seaborn e Plotly.

Ecco il codice per installarle:

pip install matplotlib
pip install seaborn
pip install plotly==5.22.0Offerto da

2. Importare le librerie e caricare i dati

Dopo l'installazione, il passo successivo è importare queste librerie nel tuo ambiente Python.

Assicurati anche di caricare gli eventuali dataset necessari che userai per i tuoi boxplot.

#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 pxOfferto da

3. Creare boxplot con Matplotlib

Grazie alla versatilità di Python, creare un boxplot semplice richiede pochissimo codice. Iniziamo con la libreria più comune, Matplotlib.

1. Boxplot singolo con Matplotlib

Per creare un boxplot usando Matplotlib, importa le librerie necessarie:

import matplotlib.pyplot as plt
import numpy as npOfferto da

Poi, prepariamo un semplice dataset:

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

Infine, creiamo il boxplot vero e proprio e stampiamolo:

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

Ecco i risultati:

2. Più boxplot con Matplotlib

Se vuoi creare boxplot separati in sottografici diversi, puoi usare la funzione subplot. Questo ti permette di creare più boxplot affiancati in un'unica immagine. 

Ecco l'esempio di codice completo:

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()Offerto da

Questo è il grafico risultante:

Tuttavia, questi sottografici non condividono lo stesso asse e non sono adatti a confronti affiancati tra categorie. Per più boxplot con lo stesso asse, dovrai creare boxplot raggruppati.

I boxplot raggruppati sono particolarmente utili per confrontare le distribuzioni tra più categorie. Consentono una comprensione più sfumata dei dati. Questi confronti possono rivelare differenze non immediatamente evidenti in altri grafici.

Ogni gruppo è presentato affiancato nello stesso grafico, facilitando l'evidenziazione di variazioni, tendenze e outlier tra diverse sottocategorie.

Ecco come creare un sottografico raggruppato:

# 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()Offerto da

Questo è il boxplot raggruppato prodotto dal codice sopra:

4. Personalizzare i boxplot in Matplotlib

Puoi usare personalizzazioni avanzate in Matplotlib per migliorare le tue visualizzazioni.

Tecniche come aggiungere le medie, aggiungere la deviazione standard, creare boxplot raggruppati e usare boxplot orizzontali possono offrire intuizioni migliori sulla distribuzione dei tuoi dati.

Personalizzare i boxplot in Python ti consente anche di adattare le visualizzazioni alle specifiche del tuo progetto.

Ecco alcuni modi per personalizzare i boxplot usando la libreria Matplotlib:

1. Aggiungere etichette e titoli

Titoli ed etichette rendono i grafici più comprensibili a chi li guarda, che può cogliere rapidamente il confronto tra i dati. Aggiungerli è semplice e si può fare con le funzioni di Matplotlib.

Per aggiungere etichette a un boxplot di Matplotlib:

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()Offerto da

Questo creerà un boxplot etichettato come nell'immagine qui sotto:

2. Regolare i colori del boxplot

Personalizzare colori e stili dei boxplot in Python permette una presentazione dei dati più chiara e gradevole. Aiuterà anche a mettere in evidenza in modo efficace specifici punti o confronti per i tuoi stakeholder.

Puoi cambiare i colori di scatole, baffi, cappucci, mediane e outlier usando i parametri boxprops, whiskerprops, capprops, medianprops e flierprops.

Ecco l'esempio di codice:

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()Offerto da

Questo creerà colori diversi per i componenti del tuo boxplot in base ai parametri impostati:

3. Aggiungere media e deviazione standard

Aggiungi media e deviazione standard al boxplot per fornire maggiori informazioni statistiche.

# 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()Offerto da

Ecco il grafico risultante:

4. Boxplot orizzontali

I boxplot orizzontali possono rendere la visualizzazione più leggibile, soprattutto quando si hanno nomi di categorie lunghi.

Questo si può fare semplicemente usando il parametro vert della funzione boxplot in Matplotlib.

# 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()Offerto da

Questo è il grafico risultante eseguendo il codice sopra:

Il nostro corso Introduzione alla Data Visualization con Matplotlib può aiutarti a capire meglio come creare visualizzazioni oltre i boxplot.

Se ti serve consultare queste informazioni in futuro, ecco un cheat sheet riassuntivo per il plotting in Matplotlib:

5. Creare boxplot con Seaborn

Seaborn, costruito su Matplotlib, semplifica la creazione di boxplot gradevoli con pochissimo codice. La sua sintassi intuitiva lo rende accessibile a tutti i livelli di esperienza e l'integrazione con altre librerie garantisce la massima flessibilità nell'analisi dei dati.

1. Boxplot base con Seaborn

Ecco una guida passo passo per creare un boxplot di base con Seaborn. Come prima cosa, importa le librerie necessarie.

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

Poi, prepariamo un semplice dataset:

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

Infine, creiamo il boxplot e stampiamolo:

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

Questo è il grafico risultante:

2. Personalizzazioni avanzate in Seaborn

Puoi personalizzare il grafico Seaborn usando i parametri hue, orient e palette. 

Per aggiungere colori al boxplot in base alle categorie, usa il parametro hue:

# 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()Offerto da

Ecco il boxplot modificato:

Per impostare una specifica orientazione del boxplot, usa il parametro orient. Per l'orientazione verticale, imposta orient su 'v'. Per quella orizzontale, impostalo su 'h'.

Ecco il codice per un boxplot orizzontale:

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

Il codice sopra creerà un boxplot come questo:

Per aggiungere i punti dati individuali al boxplot, puoi usare uno swarm plot con la funzione swarmplot:

# 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()Offerto da

Il codice sopra creerà un boxplot come questo:

Uno swarm plot come questo può aiutare a fornire maggiori informazioni sulla distribuzione dei tuoi dati. Completa le informazioni statistiche di un boxplot per dare a chi guarda una visione più completa dei dati.

Dai un'occhiata al nostro corso Introduzione alla Data Visualization con Seaborn per altri modi di realizzare visualizzazioni con Seaborn.

Se vuoi consultare queste informazioni in futuro, ecco un cheat sheet per il plotting in Seaborn:

Interpretare i risultati di un boxplot in Python

L'interpretazione di un boxplot dipende dal contesto e dalla specifica domanda di ricerca a cui risponde.

Tuttavia, alcune linee guida generali possono aiutare a comprendere la distribuzione dei dati mostrata dal boxplot. Tra queste:

• La linea della mediana indica il valore centrale del dataset.
• L'intervallo interquartile (IQR), ovvero il 50% centrale dei valori, è compreso tra il primo quartile (Q1) e il terzo quartile (Q3).
• I baffi si estendono rispettivamente 1,5 volte sopra Q3 e sotto Q1.
• Gli outlier sono tracciati singolarmente con un punto o un asterisco.
• La lunghezza della scatola e dei baffi dà un'idea di quanto siano dispersi i dati.
• Distribuzioni asimmetriche mostreranno un'irregolarità nelle dimensioni e nella posizione della scatola rispetto alla linea della mediana.
• Outlier oltre 1,5 volte sopra o sotto Q3 e Q1 possono indicare valori estremi o potenziali errori di misurazione.

Errori comuni da evitare quando crei boxplot in Python

Sebbene Python renda semplice creare boxplot visivamente gradevoli a partire dai tuoi dataset, ci sono alcuni aspetti da considerare per evitare visualizzazioni fuorvianti o errate.

1. Non gestire i valori mancanti

Quando si crea un boxplot in Python, spesso si sottovaluta l'importanza del preprocessing dei dati, con risultati fuorvianti. 

Tutte le visualizzazioni richiedono una certa pulizia prima del plotting. I boxplot non fanno eccezione e possono mostrare i valori mancanti come outlier, alterando i risultati.

2. Scalare i dati in modo improprio

Inoltre, talvolta non si scala correttamente i dati, con il rischio di produrre un boxplot distorto che non rappresenta fedelmente le caratteristiche del dataset. La scalatura garantisce che le variabili contribuiscano in modo equo all'analisi.

3. Non affrontare gli outlier

Infine, può capitare di trascurare l'analisi e la gestione accurata degli outlier prima del plotting. Una gestione impropria degli outlier può alterare l'interpretazione: è fondamentale distinguere gli outlier genuini da errori o anomalie nella raccolta dati.

Prova a usare questo cheat sheet quando costruisci visualizzazioni:

Considerazioni finali

I boxplot sono uno strumento prezioso per visualizzare le distribuzioni dei dati e confrontarle tra categorie. 

In Python, puoi usare Matplotlib, Seaborn o Plotly per creare boxplot rapidamente con poco codice. DataCamp offre corsi completi per ciascuno di questi strumenti:

• Introduzione alla Data Visualization con Matplotlib
• Introduzione alla Data Visualization con Seaborn
• Introduzione alla Data Visualization con Plotly

Ti va di approfondire la data visualization con Python? Allora il percorso Data Visualization with Python ti sarà di grande aiuto!