Matplotlibのボックスプロットからデータ（外れ値・箱・中央値・ひげ）を取得する方法

Matplotlibで作成したボックスプロットから、その内部データを取得したい場面はよくあります。本記事では、pandasのboxplot()メソッドを使い、外れ値（fliers）、箱（boxes）、中央値（medians）、ひげ（whiskers）の各データを取り出す手順を、具体的なコード例とともに解説します。

ボックスプロットのデータを取得する手順

1. 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。
2. pandasを使ってデータフレームを作成します。
3. データフレームの列からボックスプロットを作成します。このときreturn_type='both'を指定すると、図と各要素への参照を同時に受け取れます。
4. ボックスプロットの外れ値、箱、中央値、ひげのデータをそれぞれ取得します。
5. 取得した情報をすべて出力します。
6. 図を表示するには、show()メソッドを使用します。

コード例

import seaborn as sns
import pandas as pd
from matplotlib import pyplot as plt

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

df = pd.DataFrame(dict(age=[23, 45, 21, 15, 12]))
_, bp = pd.DataFrame.boxplot(df, return_type='both')
outliers = [flier.get_ydata() for flier in bp["fliers"]]
boxes = [box.get_ydata() for box in bp["boxes"]]
medians = [median.get_ydata() for median in bp["medians"]]
whiskers = [whisker.get_ydata() for whisker in bp["whiskers"]]

print("Outliers: ", outliers)
print("Boxes: ", boxes)
print("Medians: ", medians)
print("Whiskers: ", whiskers)

plt.show()

実行結果

Outliers: [array([45])]
Boxes: [array([15., 15., 23., 23., 15.])]
Medians: [array([21., 21.])]
Whiskers: [array([15., 12.]), array([23., 23.])]

結果の読み方

この例では、年齢データ [23, 45, 21, 15, 12] を可視化しています。出力結果から以下のことが読み取れます。

• 外れ値（Outliers）: 値「45」が四分位範囲から大きく外れているため、外れ値として検出されています。
• 箱（Boxes）: 第1四分位数（Q1）が「15」、第3四分位数（Q3）が「23」であり、この範囲にデータの半分が含まれます。
• 中央値（Medians）: 中央値は「21」です。
• ひげ（Whiskers）: 下側のひげは「15」から最小値「12」まで、上側のひげは「23」まで伸びています。

このように、return_type='both'で得られる辞書から各アーティストオブジェクトを取り出し、get_ydata()メソッドを呼び出すことで、ボックスプロットを構成する数値データをプログラム的に取得できます。統計量を後続の処理に利用したい場合に非常に便利な手法です。