打开r软件，输入数据集。这里以一个班级的学生成绩为例来介绍箱线图的使用方法。
输入绘制箱线图命令boxplot(class1)，运行命令，得到一班学生成绩箱线图。箱线图箱体中间的粗黑线表示中位数所在位置，可以看到本例的平均值大约在80分。最下面的圈号表示异常点。本例的异常值为25。
一个图表中可以绘制多个系列的箱线图，便于比较。这里添加另外一个班级的成绩，进行比较。
输入绘制箱线图的代码：
boxplot(class1,class2,names=c('一班','二班'),col=c("green","red"))
其中names表示为两个系列命名。col为颜色取值。
运行代码，得到连个箱线图。从图中可以明显看到两个班级的成绩分布情况。二班的成绩比较集中，一班的差异比较大。二班的平均分要高于一班。完成。
提示：箱线图还有很多参数可供我们绘图时使用。可以运行命令help(boxplot)了解更多内容。
箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。它也可以粗略地看出数据是否具有有对称性，分布的离散程度等信息；特别适用于对几个样本的比较。
注：四分位数（Quartile），即统计学中，把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。
第一四分位数 (Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。
第二四分位数 (Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。
第三四分位数 (Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。
第三四分位数与第一四分位数的差距又称四分位距（InterQuartile Range,IQR）。
R语言中计算方法：
quantile函数直接计算四分位：
例如：data = c(1,2,3,4,5,6.2,7,8,9,10)
quantile(data) #其结果如下
0% 25% 50% 75% 100%
1.00 3.25 5.60 7.75 10.00
其中0%：最小值；25%：第一四分位数Q1；50%：中位数；75%：第三四分位数；100%：最大值。
其计算方法为：
1. 排序，从小到大排列data；
2. 计算分位数的位置；pos = 1+ (n-1)*p，n为数据的总个数，p为0-1之间的值
3. 给出分位数
注意：另一种分位数的计算方法为：其他与前面的一致。但是分位数位置的计算采用：pos = (n+1)*p，n为数据的总个数，p为0-1之间的值。
四分位数的计算方法没有一个统计的标准，如果对此计算有要求的，需要注意函数的具体算法。
另外，boxplot中存在异常值，其规定标准如下：
当数据中的值大于或小于箱体的四分位距IQR的1.5倍时，认定为异常值。
就是说当某值大于（Q3+1.5*IQR）或小于（Q1-1.5*IQR）时，处理时会认定为异常值。
#使用并列箱线图进行跨组比较，如图6-12#公式y~A*B则将为类别型变量A和B所有水平的两两组合生成数值型变量y的箱线图， 例子的mpg~cyl表示为四缸、六缸、八缸发动机对每加仑汽油行驶的英里数的影响。boxplot(mpg~cyl,data=mtcars,main="Car Mileage Data",xlab="Number of Cylinders",ylab="Miles Per Gallon")
#添加notch=TRUE，可以得到含凹槽的箱线图， 若两个箱的凹槽互不重叠， 则表明它们的中位数有显著差异； 而
varwidth=TRUE则使箱线图的宽度与它们各自的样本大小成正比。>boxplot(mpg~cyl,data=mtcars,notch=TRUE,varwidth=TRUE,col="red",main="Car Mileage Data",xlab="Number of Cylinders",ylab="Miles Per Gallon")
输出结果如下
