Python利用箱型图识别与可视化餐饮销售数据离群点

江岸

发布时间：2026-10-13 | 6人浏览过

原创

本文通过Python实例演示如何使用箱型图（Boxplot）识别并可视化餐饮销售数据中的离群点。文章首先区分了离群点与异常值的概念差异，随后提供基于pandas和matplotlib的完整代码，展示如何读取Excel数据、绘制箱线图，并通过annotate函数对离群点进行精确标注与位置微调，帮助开发者掌握数据清洗中的异常值处理技巧。

离群点与异常值的概念辨析

在开始之前，我们需要简要厘清离群点（outlier）与异常值（anomaly）这两个概念的区别。

所谓离群点，通常指在统计分布中远离主体数据点的观测值。

而异常值则往往暗示着数据生成机制发生了改变，或者存在某种特定的错误、欺诈或特殊事件导致的数值偏离。

从个人理解来看，这两个概念在数据预处理阶段常被混用，但严格意义上并不等同。例如，当姚明出现在普通人群体中时，我们仅能称其为离群点，因为他的身高符合正常生理规律，并非“异常”；若假设他因疾病导致身高突变，那才可能构成异常值。

基于Python的箱型图离群点检测实现

箱型图是识别离群点的有效工具，它通过四分位数展示数据分布，并直观标记出超出上下界限的数据点。

以下是具体的实现代码部分。

针对餐饮销售数据的离群点检测，具体代码如下：


#-*- coding: utf-8 -*-
import pandas as pd

catering_sale = '../data/catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列

import matplotlib.pyplot as plt #导入图像库
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

plt.figure() #建立图像
p = data.boxplot(return_type='dict') #画箱线图，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'fliers'即为离群点的标签
y = p['fliers'][0].get_ydata()
y.sort() #从小到大排序，该方法直接改变原对象

#用annotate添加注释
#其中有些相近的点，注解会出现重叠，难以看清，需要一些技巧来控制。
#以下参数都是经过调试的，需要具体问题具体调试。
for i in range(len(x)): 
 if i > 0:
  plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
 else:
  plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱线图

运行上述代码后，将生成包含离群点标注的箱线图。