cnbopvtv2=cnbopvtv2.fillna(0).replace()
xlist=cnbopvtv2.index.tolist()
xlist一共有12个，因此循环12次：
y_data=[]
for i in range(0,12):
y_data.append(cnbopvtv2.iloc[i].tolist())
得到的y_data数据：
[[47923.0,
64988.0,
0.0,
80506.0,
0.0,
69628.0,
69960.0,
0.0,
104853.0,
539542.0,
157535.0],
[48249.0,
160800.0,
153735.0,
336616.0,
370696.0,
263476.0,
916503.0,
1010848.0,
1828313.0,
1835840.0,
875026.0],
[30916.0,
160800.0,
86419.0,
65659.0,
39472.0,
263476.0,
201318.0,
309825.0,
226052.0,
1835840.0,
152997.0],
[30916.0,
160800.0,
18648.0,
65659.0,
39472.0,
263476.0,
201318.0,
309825.0,
226052.0,
1835840.0,
152997.0],
[53837.0,
91838.0,
36093.0,
100303.0,
58872.0,
285139.0,
647028.0,
451028.0,
765806.0,
1063170.0,
454325.0],
[53837.0,
22874.0,
14934.0,
100303.0,
124699.0,
285139.0,
320647.0,
430395.0,
235246.0,
89988.0,
15283.0],
[20510.0,
22874.0,
14934.0,
18806.0,
124699.0,
41184.0,
320647.0,
430395.0,
235246.0,
89988.0,
15283.0],
[40329.0,
22874.0,
85732.0,
36994.0,
124699.0,
41184.0,
320647.0,
430395.0,
118754.0,
89988.0,
15283.0],
[44745.0,
22874.0,
85732.0,
36994.0,
124699.0,
41184.0,
62967.0,
430395.0,
118754.0,
89988.0,
15283.0],
[28092.0,
72729.0,
82385.0,
182193.0,
255790.0,
259325.0,
62967.0,
160092.0,
118754.0,
136152.0,
112725.0],
[51321.0,
213633.0,
148063.0,
225026.0,
258684.0,
563843.0,
344841.0,
82557.0,
179793.0,
139666.0,
465533.0],
[15524.0,
38100.0,
86684.0,
225026.0,
31579.0,
150820.0,
344841.0,
82557.0,
179793.0,
139666.0,
465533.0]]
最后绘制图表：
import pyecharts.options as opts
from pyecharts.charts import Grid, Boxplot, Scatter
scatter_data = [650, 620, 720, 720, 950, 970]
box_plot = Boxplot({"Theme":ThemeType.ESSOS})
box_plot = (
box_plot.add_xaxis(xaxis_data=xlist)
.add_yaxis(series_name="", y_axis=box_plot.prepare_data(y_data))
.set_global_opts(
title_opts=opts.TitleOpts(
pos_left="center", title="2009-2019中国电影票房分类箱型图"
),
tooltip_opts=opts.TooltipOpts(trigger="item", axis_pointer_type="shadow"),
xaxis_opts=opts.AxisOpts(
type_="category",
boundary_gap=True,
splitarea_opts=opts.SplitAreaOpts(is_show=False),
axislabel_opts=opts.LabelOpts(formatter="{value}"),
splitline_opts=opts.SplitLineOpts(is_show=False),
),
yaxis_opts=opts.AxisOpts(
type_="value",
name="票房（万元）",
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
)
.set_series_opts(tooltip_opts=opts.TooltipOpts(formatter="{a}: {c}"))
)# {a}:系列名称，{b}:数据名称，{c}:数值数组，{d}:无
scatter = (
Scatter()
.add_xaxis(xaxis_data=xlist)
.add_yaxis(series_name="", y_axis=scatter_data)
.set_global_opts(
title_opts=opts.TitleOpts(
pos_left="10%",
pos_top="90%",
title="upper: Q3 + 1.5 * IQR \nlower: Q1 - 1.5 * IQR",
title_textstyle_opts=opts.TextStyleOpts(
border_color="#999", border_width=1, font_size=14
),
),
yaxis_opts=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(is_show=False),
axistick_opts=opts.AxisTickOpts(is_show=False),
),
)
最后
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
