箱线图Boxplot-统计学解读

箱线图顾名思义最重要的两个成分就是箱和线。那么箱和线分别代表什么呢？我们首先来看中间这个箱子以及中间那条粗线：

中间粗线代表中位数（如果是标准正态分布，中位数和平均值是一样的，位置在小箱子的中间位置）。箱子大小代表的是四分位数间距（IQR），也称为中间50％间距，是统计离散度的度量（越离散越长），等于第75和第25百分位数之间的差异，或者说是在上下四分位数之间，即：IQR = Q3-Q1。（这一句话中出现的分位数，四分位数，和百分位数在英语中对应了三个单词quantile，quartile，和percentile）。

接下来谈一下小箱子伸出去的两根线，在“标准正态分布”的箱线图中，这两根线是等长的，代表的是1.5倍的IQR区间，所以箱线图的下限就是Q1-1.5IQR，上限是Q3+1.5IQR。

最后是如果有超出上下限的值（大概是2.7个标准差之外），就被叫做异常值了。

下图非常好的展现了一个箱线图中小箱子，上下限，以及异常值跟正态分布图中方差分布之间相互对应的关系。

上面介绍了最标准的箱线图，但在实际应用过程中，由于数据的分布会稍微偏离或者不符合正态分布，这也就造成了箱线图的不同表达方式：主要是两根线的千变万化以及中位线在小箱子中位置的变化。

Outlier Box Plot (异常值类型，也是Excel 中的默认类型)

这种类型多用于符合正态分布的数据中，借用这种图可以很快的鉴定出异常值。

在这种类型中，一般上下限值等于我们上边说的Q1-1.5IQR和Q3+1.5IQR，但是当数据中没有达到上下限的数值，那就用最大值和最小值来替换，这也是造成两个线经常不等长的原因之一。比如在下图中，由于数据中最小值要大于下限值，所以下限值那条线就用此数据中的最小值来代替，而不是Q1-1.5IQR。而对于上限来说，由于数据中包含等于上限值的数，所以就用Q3+1.5IQR来表示。而对于大于上限值的一个数据，属于2.7个方差之外的数值，被视为异常值。

注：数据中达不到上下限的数值，意思是数据中的最大最小值其中之一或者两者都在区间（Q1对应的数值-2.7标准差，Q3对应的数值+2.7标准差）。达不到就用实际的最大最小值替换上下限。如果超出区间（Q1对应的数值-2.7标准差，Q3对应的数值+2.7标准差），则为异常点，此时的最大值（上限）为Q3对应的数值+2.7标准差，或最小值（下限）为Q1对应的数值-2.7标准差

分位数类型

这种类型多用于不符合正态分布的数据，借用这种图可以快速的鉴定数据中各种分位数，最大值，最小值等等，从而快速知道某个数值在整个数据中所占的位置（百分位位置）。

在这种类型中，“上下限值”就是数据中的最大值和最小值，然后中间几条小线代表自定义的分位数。如下图中左边的箱线图就是分位数类型，大家也可以比较这个图和直方图以及异常值箱线图的区别。另外，下面两个箱线图箱子里的菱形代表平均值以及上下95%的置信区间。此类型箱线图完美的结合了描述统计学和比较统计学两大功能。