本文介绍了箱线图的概念，由统计学家John Tukey发明，用于直观识别数据集中的异常值和判断数据离散程度。箱线图包含最小值、下四分位数、中位数、上四分位数和最大值，通过计算四分位数全距（IQR）确定离群点。文中以12位商学院毕业生月起薪为例，展示了箱线图的绘制步骤，并提到了使用Python的seaborn库进行箱线图绘制的方法。
简述：
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)。如下图。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”，也成为“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：
IQR = Q3-Q1，即上四分位数与下四分位数之间的差，也就是盒子的长度。
- 最小观测值为min = Q1 - 1.5*IQR，如果存在离群点小于最小观测值，则胡须下限为最小观测值，离群点单独以点汇出。如果没有比最小观测值小的数，则
最低0.47元/天 解锁文章
1177
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
