箱线图概念和使用介绍

箱线图时一种针对连续型变量的统计图。通常用作比较。

箱子中间的一条线，是数据的中位数，代表了数据的平均水平。

箱子的上限和下限，分别是数据的上四分位数和下四分位数，意味着箱子包含50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度。

箱子的上方和下方各有一条横线，在没有异常值（冒出去的点）时，表示数据的最大值或者最小值。

需要注意的是，虽然箱线图也能看分布的形态，但人们更习惯从直方图去解读分布的形态，而非箱线图。

有时箱线图的箱子被压得很扁，甚至只剩下一条线，同时还存在很多刺眼的异常值，这种情况出现有两个常见的原因：（1）样本数据中，存在特别大或者特别小的异常值，这种离群的表现，导致箱子整体被压缩，反而凸显出这些异常（2）样本数据特别少，数据少就有可能出现各种诡异的情况，导致图很不美观。

解决办法

（1）如果数据取值为正数，那么可以尝试做对数变换；（2）如果不想变换，那么建议不画箱线图。

箱线图的用法是，配合定性变量画分组箱线图，用作比较。如果只有一个定量变量，很少用一个箱线图去展示其分布，更多选择直方图。箱线图的有效使用方法是作比较。

作比较的时候，可以从（1）平均水平（中位数）（2)波动程度（箱子高度）（3）异常值（冒出的点）三个方面进行比较。

来源：

数据思维：从数据分析到商业价值（王汉生） 2017年9月出版