数据分析2：盒图介绍及相关算法实现

标签：

首先我们要简单的介绍一下盒图这种东西：

盒图是在1977年由美国的统计学家约翰·图基(John Tukey)发明的。它由五个数值点组成：

最小值(min)，下四分位数(Q1)，中位数(median)，上四分位数(Q3)，最大值(max)。也可以往盒图里面加入平均值(mean)。如图。下四分位数、中位数、上四分位数组成一个“带有隔间的盒子”。上四分位数到最大值之间建立一条延伸线，这个延伸线成为“胡须(whisker)”。

由于现实数据中总是存在各式各样地“脏数据”，也称为“离群点”，于是为了不因这些少数的离群数据导致整体特征的偏移，将这些离群点单独汇出，而盒图中的胡须的两级修改成最小观测值与最大观测值。这里有个经验，就是最大(最小)观测值设置为与四分位数值间距离为1.5个IQR(中间四分位数极差)。即

一个非常简单的办法叫做桶排序！！！这个方法参照我的一篇博文：

  http://blog.csdn.net/qq_23100787/article/details/51143387 超链接在左边

然后我们假设T数据集是桶排序后的数据集，那么我们对这个数据集进行循环遍历即可，桶排序是一种典型的用空间换时间的排序方法。

 算Q1方法：遍历过去1/4位置时候的值

算Q3方法：遍历过去3/4位置时候的值

算中位数方法：遍历过去1/2位置时候的值 （分奇数偶数）

算众数方法：遍历过去单次最多的值

算最大值最小值方法：遍历过去第一个和最后一个

最后思想我们知道了，如果有代码就更好了，我就给出我写的局部的代码：

<strong> </strong>int min_value = 99999999,max_value = 0,most_value=0,ave_value=0;
        for(int i=0;i<5000;i++){
            if(T[i].flag==true){
                //计算众数
                if(T[i].virable>max_temp){
                    most_value = i;
                    max_temp = T[i].virable;
                }
                 for(int j=0;j<T[i].virable;j++){

                     //计算均值
                     ave_value +=i;

                    //计算中位数,最大最小值，两个胡须
                    count_temp ++;          //问题出在这儿，一次加太多了
                    if(count_temp==((row_count-1)/4)){
                        q_1 = i;
                    }
                    if(count_temp==((row_count-1)/2)){
                        middle = i;
                    }
                    if(count_temp==((row_count-1)/4*3)){
                        q_3 = i;
                    }
                    if(count_temp==1){
                        min_value = i;
                    }
                    if(count_temp==row_count-1){
                        max_value = i;
                    }
                 }
            }
        }

转载请说明出处

数据分析2：盒图介绍及相关算法实现

标签：

原文地址：http://blog.csdn.net/qq_23100787/article/details/51357353