1 基本概念
1.1 定义与用途
箱线图，又称盒须图或盒式图，是一种用于概括数据分布特征的统计图形。它以中位数、四分位数和须状线段为主要构成，能够在较小的图形空间内展示样本的集中趋势、离散程度以及异常情况。
在实际分析中，箱线图常用于快速了解单组数据的整体水平，也适合对多组数据进行横向比较。由于表达方式简洁明了，它在探索性数据分析、实验结果汇总和质量监测中都较为常见。
1.2 图形构成
箱线图通常由盒体、箱内的中位线、上下须以及离群点等部分组成。不同软件和绘图规范在细节上可能略有差异，但核心信息基本一致。
1.2.1 中位数
中位数位于数据排序后的中间位置，表示样本的典型水平。箱线图通常用盒体中的一条线来标示中位数，便于直接观察数据的中心位置。
1.2.2 四分位数
四分位数将排序后的数据分为四个部分。下四分位数和上四分位数分别对应数据下半部分和上半部分的边界，二者之间的区间反映了大部分样本的集中范围。
1.2.3 盒体与须
盒体通常由下四分位数到上四分位数构成，盒体长度反映四分位距的大小。上下须则向外延伸，用于表示非异常数据的分布范围，常见做法是延伸到一定规则下的最远观测值。
1.2.4 异常值
异常值是明显偏离主体数据分布的观测点，通常以单独的点或符号标出。它们不一定代表错误数据，但往往提示样本中存在特殊情况、极端现象或需要进一步核查的记录。
1.3 统计含义
箱线图的核心意义在于把一组数据的分布摘要压缩到一幅图中。通过观察中位数、盒体长度、须的延伸和异常值位置，可以判断数据是否集中、是否分散、是否偏斜，以及是否存在极端观测。
与仅显示平均值的图形相比，箱线图对分布结构的表达更丰富，也更能反映数据内部的差异。它尤其适合处理非正态分布或含有少量极端值的数据。
2 绘制方法
2.1 数据排序与分位数计算
绘制箱线图前，通常先将数据按从小到大排序，再计算中位数和各分位数。若样本量为奇数，中位数一般取正中间的观测值；若为偶数，则取中间两个值的平均数或按特定约定处理。
四分位数的具体求法可能因教材、软件或行业习惯而不同，但总体目标一致，即确定数据分布的分界位置。
2.2 箱体与须的确定规则
箱体范围通常由下四分位数和上四分位数确定，须的长度则取决于所采用的规则。不同规则会影响异常值的识别结果，因此在比较数据时应注意方法一致。
2.2.1 最小值与最大值法
最直接的方式是将须画到非异常数据中的最小值和最大值，盒体则保持在四分位数之间。这种方法直观简洁，但对极端值的区分不如基于统计规则的方式细致。
2.2.2 1.5倍四分位距法
较常见的规则是以四分位距为基础，规定位于下四分位数减去1.5倍四分位距以下，或上四分位数加上1.5倍四分位距以上的数据视为异常值。须通常延伸到落在该范围内的最远数据点。
这种方法兼顾稳健性与可操作性，因此在统计分析软件中应用十分广泛。
2.3 不同软件中的绘制方式
不同工具绘制箱线图时，输入方式和参数设置略有区别，但一般都支持自动计算分位数、标记异常值和设置图例。
2.3.1 手工绘制
手工绘制适合教学演示或小样本分析。使用者先计算分位数、确定须的位置，再在坐标轴上画出盒体、中心线和须，并标注异常点。
2.3.2 统计软件绘制
常见统计软件通常提供现成的箱线图功能，用户只需导入数据并选择变量即可生成图形。此类工具往往还能进一步设置分组、颜色、标签和异常值显示方式。
2.3.3 编程语言绘制
在编程环境中，箱线图通常由绘图函数直接生成。用户可通过参数控制箱体样式、须的规则、分组方式和附加标记，便于批量处理和自动化分析。
3 结果解读
3.1 中心位置判断
箱线图中的中位线反映数据的中心位置。若不同组的中位数差异明显，通常说明各组的典型水平存在差别；若中位线位置接近，则说明中心趋势较为相似。
3.2 离散程度判断
盒体越长，表示四分位距越大，数据分布越分散；盒体较短则说明样本较集中。须的长度也可提供额外线索，帮助判断尾部数据是否拉得较长。
3.3 偏态特征判断
若中位线偏向盒体某一侧，或者上下须长度明显不对称，往往意味着数据可能存在偏态。较长的一侧通常对应尾部延伸更明显的方向。
3.4 离群点识别
箱线图能够直接显示离群点的位置，便于发现极端观测。若某些点远离主体分布，应结合原始数据和业务背景进一步判断其成因，而不宜仅凭图形立刻下结论。
4 变体与扩展
4.1 凹口箱线图
凹口箱线图在盒体中部加入凹口，用于表示中位数的近似置信区间。若不同组的凹口重叠程度较小，通常可初步提示它们的中位数存在差异。
4.2 带均值标记的箱线图
有些箱线图会在图中额外标记均值，以便同时观察平均水平和中位水平。这种做法适合分布不对称的数据，因为均值与中位数的差异本身也能提供有价值的信息。
4.3 小提琴图与箱线图对比
小提琴图在箱线图的基础上增加了核密度分布轮廓，能够更细致地展示数据密集区域。相比之下，箱线图更简洁，适合快速比较；小提琴图信息更丰富，但阅读门槛略高。
4.4 分组箱线图
分组箱线图将多个类别并列展示，常用于比较不同实验组、不同时间段或不同条件下的数据。通过统一坐标轴观察各组分布，可以更直观地识别差异与趋势。
5 应用场景
5.1 描述性统计分析
在描述性统计中，箱线图常用于概括一组样本的基本分布情况。它能作为均值、标准差和频数表之外的补充工具，使统计摘要更立体。
5.2 多组样本比较
当需要比较多个样本组时，箱线图可以直接呈现各组中位数、离散程度和异常点，便于研究者迅速把握组间差异，尤其适合初步筛查显著不同的对象。
5.3 质量控制
在工业和生产管理中，箱线图可用于观察产品尺寸、检测指标或工艺参数是否稳定。若图中出现过多离群点或分布突然变化，往往提示流程可能需要检查。
5.4 金融与经济数据分析
金融与经济领域中的收益率、价格、交易量等数据常呈现波动较大或偏态分布的特点，箱线图有助于识别波动范围和极端变化，并辅助进行组间或时期比较。
5.5 生物医学数据分析
生物医学研究中，箱线图常用于展示检验指标、表达水平或临床测量数据。它能够较好地反映样本差异，并帮助识别可能受特殊条件影响的异常记录。
6 优点与局限
6.1 优点
箱线图之所以广泛使用，主要在于它兼具概括性与可比性，既能压缩数据特征，又能保留关键分布信息。
6.1.1 结构简洁
箱线图形式简单，阅读成本较低，即使面对较多数据组，也能保持较好的可视化效果。
6.1.2 便于比较
由于各组图形结构一致，箱线图特别适合横向比较不同样本之间的中心位置、离散程度和异常情况。
6.1.3 对异常值敏感
异常值在图中通常会被单独突出显示，这使得箱线图对极端数据具有较强的提示作用，便于后续检查与分析。
6.2 局限
虽然箱线图用途广泛，但它并不能替代所有类型的分布图，也存在一定的信息损失。
6.2.1 细节信息有限
箱线图主要提供摘要信息，无法直接显示每个观测值的具体分布位置，因此在需要精细分析时常需结合原始数据。
6.2.2 对样本量较小的数据解释受限
当样本数量较少时，四分位数和异常值的稳定性较弱，图形可能受到个别观测的较大影响，解释时应更加谨慎。
6.2.3 不能直接反映分布形状细节
箱线图对峰度、多峰性或局部聚集等细节刻画不足，若要观察这些特征，通常需要配合直方图、小提琴图等其他图形。
7 相关概念
7.1 四分位距
四分位距是上四分位数与下四分位数之差，用于衡量数据中间50%部分的离散程度，是箱线图中最关键的尺度之一。
7.2 分位数
分位数是将数据按比例划分的统计量，包括中位数、四分位数、百分位数等，常用于描述数据在排序中的相对位置。
7.3 离群值
离群值是明显偏离整体分布的观测，可能来自特殊现象、测量误差或记录偏差，通常需要结合背景信息进一步判断。
7.4 直方图
直方图以柱形方式展示数据在各区间内的频数分布，适合观察分布形状；与箱线图相比，它对细节的表现更直观，但摘要性较弱。
7.5 小提琴图
小提琴图结合了箱线图的概括能力与密度估计的形状信息，能够展示数据分布的宽窄变化，常用于更细致的分布比较。
</INTERNAL_LINK_CANDIDATES> 四分位距（衡量中间50%数据离散程度的统计量） 中位数（排序后位于中心位置的统计量） 分位数（按比例划分数据位置的统计量） 离群值（明显偏离主体分布的观测值） 直方图（用于显示频数分布的统计图） 小提琴图（结合密度曲线与箱线结构的图形）