Pandas箱线图绘制与异常值解析

本文深入解析了Pandas中`df.boxplot()`绘制箱线图的核心技巧与常见陷阱，涵盖异常值识别原理（IQR法判定及业务甄别）、参数误用避坑（`column`与`by`的正确搭配）、绘图环境兼容性（避免与`plt.boxplot()`混用导致布局错乱）、中文显示乱码根治方案（系统字体精准加载与rcParams协同配置），以及NaN和非数值列的静默处理风险——帮你绕过那些看似简单却极易卡壳的细节雷区，真正用好箱线图做高效、可信的异常值探索分析。

df.boxplot() 画出来的箱线图怎么看异常值

箱线图里超出上下须的点就是 df.boxplot() 标出的异常值，它默认用 IQR（四分位距）法判定：下界 = Q1 − 1.5×IQR，上界 = Q3 + 1.5×IQR，落在之外的点会被单独绘制成小圆点。

注意：这些“异常值”只是统计意义上的离群点，不等于数据错误。实际中得结合业务判断——比如用户下单金额为 0 或负数，那才是真问题；而某次活动期间的超高订单，可能完全合理。

• 异常点颜色和大小不可直接通过 df.boxplot() 参数调整，得用 patch_artist=True + 后续 ax.findobj() 拿到散点再改，麻烦且易错
• 若列含大量 NaN，df.boxplot() 会自动跳过，但不会报错，容易误以为数据全量参与了计算
• 对非数值列（如 object 类型），df.boxplot() 直接静默跳过，不提示、不报错、也不画图

用 df.boxplot() 时 column 和 by 参数怎么选

column 控制画哪几列，by 控制按哪列分组——这是最常配错的两个参数。

比如想看不同部门（dept）下薪资（salary）的分布差异，该写：df.boxplot(column='salary', by='dept')。写成 df.boxplot(by='salary', column='dept') 就会报错或画出空图，因为 by 必须是分类变量，column 必须是数值变量。

• column 可传字符串（单列）、字符串列表（多列），也可不填——此时默认对所有数值列画图
• by 只接受单列名（字符串）或列名列表（用于多级分组），不能传函数或表达式
• 如果 by 列含空值（NaN），对应行整行被丢弃，且不警告；若该列全是 NaN，则整个图为空白

df.boxplot() 和 plt.boxplot() 混用导致坐标轴错乱

直接调 df.boxplot() 会自动创建新 figure 和 axes；如果之前用了 plt.subplot() 或 fig, ax = plt.subplots()，再调它就会破坏原有布局，常见表现为：图挤在左下角、x 轴标签重叠、甚至只显示一半箱子。

正确做法是把 ax 显式传进去：df.boxplot(column='value', ax=ax)。这样所有绘制都发生在你指定的 axes 上，能和其它图（如折线、散点）共存。

• 传入 ax 后，df.boxplot() 不再返回 Figure，而是返回 Axes 对象，方便链式调用（如 .set_title()）
• 如果传了 ax 但该 axes 已有内容，箱线图会叠加绘制，不会清空——需手动调 ax.cla() 清屏
• matplotlib 3.8+ 中，df.boxplot(..., figsize=()) 会被忽略，必须用 plt.figure(figsize=()) 或 fig.set_size_inches()

中文标签显示为方块或乱码怎么办

不是 df.boxplot() 的锅，是 matplotlib 默认字体不支持中文。只要在绘图前设置好字体，所有文字（坐标轴、标题、刻度）就都能正常显示。

最稳的方案是加载系统已有的中文字体，比如 macOS 用 'Heiti SC'，Windows 用 'SimHei'，Linux 常用 'WenQuanYi Zen Hei'。别硬写 plt.rcParams['font.sans-serif'] = ['SimHei'] 就完事——得确认该字体真实存在，否则还是方块。

• 用 matplotlib.font_manager.findSystemFonts(fontpaths=None, fontext='ttf') 查本机所有可用 ttf 字体路径，再用 FontProperties(fname=...) 加载更可靠
• 设完字体后，记得加 plt.rcParams['axes.unicode_minus'] = False，否则负号会变成方块
• 如果用 Jupyter，改完 rcParams 需重新运行绘图单元格，旧图不会自动刷新

箱线图本身逻辑简单，但和 pandas 索引、matplotlib 状态、字体环境一碰，就容易卡在某个不起眼的细节上——比如你以为是数据问题，其实是 by 列里混进了空格或不可见字符，导致分组失效。

理论要掌握，实操不能落！以上关于《Pandas箱线图绘制与异常值解析》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！