慕桂英4014372
这是重新创建情节的图形元素的尝试。使用一些随机数据而不是完美的正态分布，因此您可以插入自己的数据。（要获得更完美的曲线，请生成更多数量的样本。）from matplotlib import pyplot as pltimport numpy as npimport seaborn as snsx = np.random.normal(0, 1, 1000)mean = x.mean()std = x.std()q1, median, q3 = np.percentile(x, [25, 50, 75])iqr = q3 - q1fig, (ax1, ax2) = plt.subplots(nrows=2, sharex=True)medianprops = dict(linestyle='-', linewidth=2, color='yellow')sns.boxplot(x=x, color='lightcoral', saturation=1, medianprops=medianprops, flierprops={'markerfacecolor': 'mediumseagreen'}, whis=1.5, ax=ax1)ticks = [mean + std * i for i in range(-4, 5)]ticklabels = [f'${i}\\sigma$' for i in range(-4, 5)]ax1.set_xticks(ticks)ax1.set_xticklabels(ticklabels)ax1.set_yticks([])ax1.tick_params(labelbottom=True)ax1.set_ylim(-1, 1.5)ax1.errorbar([q1, q3], [1, 1], yerr=[-0.2, 0.2], color='black', lw=1)ax1.text(q1, 0.6, 'Q1', ha='center', va='center', color='black')ax1.text(q3, 0.6, 'Q3', ha='center', va='center', color='black')ax1.text(median, -0.6, 'median', ha='center', va='center', color='black')ax1.text(median, 1.2, 'IQR', ha='center', va='center', color='black')ax1.text(q1 - 1.5*iqr, 0.4, 'Q1 - 1.5*IQR', ha='center', va='center', color='black')ax1.text(q3 + 1.5*iqr, 0.4, 'Q3 + 1.5*IQR', ha='center', va='center', color='black')# ax1.vlines([q1 - 1.5*iqr, q1, q3, q3 + 1.5*iqr], 0, -2, color='darkgrey', ls=':', clip_on=False, zorder=0)sns.kdeplot(x, ax=ax2)kdeline = ax2.lines[0]xs = kdeline.get_xdata()ys = kdeline.get_ydata()ylims = ax2.get_ylim()ax2.fill_between(xs, 0, ys, color='mediumseagreen')ax2.fill_between(xs, 0, ys, where=(xs >= q1 - 1.5*iqr) & (xs <= q3 + 1.5*iqr), color='skyblue')ax2.fill_between(xs, 0, ys, where=(xs >= q1) & (xs <= q3), color='lightcoral')# ax2.vlines([q1 - 1.5*iqr, q1, q3, q3 + 1.5*iqr], 0, 100, color='darkgrey', ls=':', zorder=0)ax2.set_ylim(0, ylims[1])plt.show()一些评论：中位数和均值通常不重合，因此 0 西格玛可能会偏离中线。Matplotlib 在最接近计算的Q1 - 1.5 IQR和 的数据点绘制胡须Q3 + 1.5 IQR，因此当点数不多时，胡须的位置可能会有点偏离。对于真实数据，分布很少看起来像完美的钟形曲线。以下是 100 万个样本的示例：