seaborn.boxenplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, k_depth='tukey', linewidth=None, scale='exponential', outlier_prop=0.007, trust_alpha=0.05, showfliers=True, ax=None, **kwargs)¶为较大的数据集绘制增强的方框图。
这种类型的绘图最初被命名为“字母值”绘图，因为它显示了大量被定义为“字母值”的分位数。它类似于绘制分布的非参数表示的方框图，其中所有特征对应于实际观测值。通过绘制更多的分位数，它提供了有关分布形状的更多信息，特别是在尾部。要获得更广泛的解释，您可以阅读介绍该情节的文章：
https://vita.had.co.nz/papers/letter-value-plot.html
输入数据可以以多种格式传递，包括：
表示为列表、numpy数组或直接传递给 x ， y 和/或 hue 参数。
“长格式”数据帧，在这种情况下 x ， y 和 hue 变量将决定如何绘制数据。
一个“宽格式”数据框，这样每个数字列都将被打印出来。
向量的数组或列表。
在大多数情况下，可以使用numpy或Python对象，但最好使用pandas对象，因为关联的名称将用于注释轴。此外，可以对分组变量使用分类类型来控制绘图元素的顺序。
此函数始终将其中一个变量视为分类变量，并在顺序位置（0，1。。。n） 在相关轴上，即使数据具有数字或日期类型。
见 tutorial 更多信息。
data 或矢量数据，可选中变量的名称用于绘制长格式数据的输入。解释见示例。
用于打印的数据集。如果 x 和 y 不存在，这被解释为广义形式。否则它将是长格式的。
以绘制中的分类级别，否则级别是从数据对象推断出来的。
绘图的水平方向或垂直方向。这通常是根据输入变量的类型推断出来的，但当两者都存在时，它可以用来解决含糊不清的问题 x 和 y 是数字或打印宽格式数据时。
所有元素的颜色，或渐变调色板的种子。
用于不同级别的 hue 变量。应该是可以解释的东西 color_palette() ，或将色调级别映射到matplotlib颜色的字典。
以原始饱和度的比例绘制颜色。大的补丁通常看起来更好，稍微去饱和的颜色，但设置这个 1 如果希望打印颜色与输入颜色规范完全匹配。
不使用色调嵌套时完整元素的宽度，或主分组变量的一个级别的所有元素的宽度。
使用色调嵌套时，元素是否应沿分类轴移动。
要绘制的框数，以及扩展的百分位数。所有的方法都在韦翰的论文中有详细说明。每种方法都对异常值的数量做出不同的假设，并利用不同的统计特性。如果是“比例”，抽取不超过 outlier_prop 极端的观察。如果“满”，则抽签 log(n)+1 盒。
构成绘图元素的灰色线的宽度。
方法用于字母值框的宽度。所有这些都在视觉上给出了相似的结果。”“线性”通过一个恒定的线性因子减少宽度，“指数”使用未覆盖数据的比例，“面积”与覆盖数据的百分比成比例。
被认为是异常值的数据比例。必须在范围（0，1）内。用于确定打印时要打印的框数 k_depth="proportion" .
要绘制的框的置信水平。用于确定打印时要打印的框数 k_depth="trustworthy" . 必须在范围（0，1）内。
如果为False，则禁止绘制异常值。
轴对象，否则使用当前轴。
其他关键字参数传递给 matplotlib.axes.Axes.plot() 和 matplotlib.axes.Axes.scatter() .
返回绘制了绘图的轴对象。
参见
violinplot箱线图和核密度估计的结合。
boxplot一个具有类似API的传统盒子和胡须图。
catplot把一个明确的情节与另一个情节结合起来 FacetGrid .
实例
绘制单个水平长方体图：
>>> import seaborn as sns
>>> sns.set_theme(style="whitegrid")
>>> tips = sns.load_dataset("tips")
>>> ax = sns.boxenplot(x=tips["total_bill"])
绘制按分类变量分组的垂直长方体图：
>>> ax = sns.boxenplot(x="day", y="total_bill", data=tips)
用两个分类变量嵌套分组绘制字母值图：
>>> ax = sns.boxenplot(x="day", y="total_bill", hue="smoker",
... data=tips, palette="Set3")
当某些箱子为空时，绘制嵌套分组的长方体图：
>>> ax = sns.boxenplot(x="day", y="total_bill", hue="time",
... data=tips, linewidth=2.5)
通过传递显式命令来控制框顺序：
>>> ax = sns.boxenplot(x="time", y="tip", data=tips,
... order=["Dinner", "Lunch"])
为数据帧中的每个数字变量绘制一个方框图：
>>> iris = sns.load_dataset("iris")
>>> ax = sns.boxenplot(data=iris, orient="h", palette="Set2")
使用 stripplot() 要在方框顶部显示数据点：
>>> ax = sns.boxenplot(x="day", y="total_bill", data=tips,
... showfliers=False)
>>> ax = sns.stripplot(x="day", y="total_bill", data=tips,
... size=4, color=".26")
使用 catplot() 合并 boxenplot() 和A FacetGrid . 这允许在其他分类变量中进行分组。使用 catplot() 比使用更安全 FacetGrid 直接，因为它确保了跨方面的可变顺序的同步：
>>> g = sns.catplot(x="sex", y="total_bill",
... hue="smoker", col="time",
... data=tips, kind="boxen",
... height=4, aspect=.7);
