箱线图怎么看

Python018

箱线图怎么看,第1张

看箱线图的方法如下：

箱子的中间一条线，是数据的中位数，代表了样本数据的平均水平。箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。因此，箱子的宽度在一定程度上反映了数据的波动程度。

在箱子的上方和下方，又各有一条线。有时候代表着最大最小值，有时候会有一些点“冒出去”。请千万不要纠结，理解成“异常值”就好。

箱线图

箱线图（Boxplot）又称盒须图、盒式图或箱形图，是一种用作显示一组数据分散情况资料的统计图，在数据分析中经常被使用到，可以被用于异常值的检测。

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，分布的分散程度等信息，特别可以用于对几个样本的比较。

箱形图最大的优点就是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况，同时也利于数据的清洗。

标准化的箱线图

通过将数据进行标准化，可以解决箱线图被压缩的问题。标准化后的数据均值为0，方差为1。标准化之后可以清楚的看到，每个特征的异常值分布情况。

箱线图主要是通过四分位数描述数据分布，通过最大值，上四分位数，中位数，下四分位数，最小值五处位置描述数据分布情况。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测。从箱线图中，可以大致推断出数据的集中或离散趋势。

boxplot() 是一个泛型函数，目前支持两种参数类型：公式和数据。

x 参数为一个数值向量或者列表，若为列表则对列表中每一个子对象依次作出箱线图。

formula 为一个公式，比如 y ~ x。

data 参数为一个数据框或者列表。

na.action 参数是对NA值的操作，默认为忽略。

ann 参数为逻辑值，是否绘制坐标轴。

range 是一个延伸倍数，决定了箱线图的须延伸到什么位置。

width 设置箱子的宽度。

varwidth 为逻辑值，若为 TRUE，那么箱子的宽度与样本量的平方根成比例。

notch 决定了是否在箱子上画凹槽，可以用于比较两组数据的中位数是否有差异。

horizontal 是否水平放置箱线图。

add 参数设置是否将箱线图添加到现有图形上。

at 参数，当add为TRUE时，设置箱线图位置。

[1] https://www.sohu.com/a/220236877_434937

[2] https://zhuanlan.zhihu.com/p/144339417

[3] Robert I. Kabacoff (著). R语言实战(高涛/肖楠/陈钢 译). 北京: 人民邮电出版社.