关于【如何看箱线图？】，箱线图怎么读，今天涌涌小编给您分享一下，如果对您有所帮助别忘了关注本站哦。

1、R语言数据可视化系列（4）箱线图和小提琴图（附详细代码）

本文希望教会大家运用R语言绘制箱线图和小提琴图。小提琴图能同时查看数据的分布和描述性统计，是一种非常实用的可视化图形。

"title":"箱线图/盒须图","content"

绘制连续型变量常用的五个描述性统计量，从下到上依次是：最小值，下四分位数（25%分位数），中位数（50%分位数），上四分位数（75%分位数），最大值。

• 箱线图能够显示出可能的离群点，即上下四分位数以外的点
  

• 箱线图由boxplot(formula, data=dataframe)命令得到

• formula表示一个公式，y~A，将为类别变量A的每个值并列地生成数值型变量y的箱线图

• y~A*B，将为类别变量A和B所有水平的组合生成数值型变量y的箱线图

• dataframe代表提供的数据

"title":"数据查看
","content"

利用自带的数据集mtcars，查看数据的头几行

head(mtcars)

数据集mtcars

"title":"简单箱线图","content"

对mtcars的每加仑汽油行驶英里数mpg绘制箱线图

boxplot(mtcars$mpg)

简单箱线图

"title":"并列箱线图","content"

对发动机的不同缸数cyl绘制并列箱线图

boxplot(mpg~cyl,data=mtcars,main="并列箱线图",xlab="发动机的缸数",ylab="每加仑汽油行驶英里数")

并列箱线图

从图中可以看出，不同组之间的油耗差距是非常大的。6缸车型的每加仑汽油行驶的英里数分布较其他两种车型均匀，与6缸和8缸车型相比，4缸车型的每加仑汽油行驶的英里数分布最分散且呈正偏，在8缸车型的分组还存在一个离群点。

"title":"凹槽箱线图","content"

• notch=TRUE，得到带有凹槽的箱线图，在中位数处产生凹槽

• varwidth=TRUE，使箱线图的宽度与它们对应的样本数量成正比，越宽代表样本数量越多

boxplot(mpg~cyl,data=mtcars,notch=TRUE,varwidth=TRUE,col="red",main="凹槽箱线图",xlab="发动机的缸数",ylab="每加仑汽油行驶英里数")

凹槽箱线图

"title":"交叉因子箱线图","content"

创建变速箱am和气缸数量cyl的交叉因子的箱线图

boxplot(mpg~am*cyl,data=mtcars,varwidth=TRUE,col=c("gold","darkgreen"),main="交叉因子箱线图",xlab="汽车类型",ylab="每加仑汽油行驶英里数")

交叉因子箱线图

• 0.4表示变速箱类型是0，发动机缸数是4时，每加仑汽油行驶英里数的分布

• 1.4表示变速箱类型是1，发动机缸数是4时，每加仑汽油行驶英里数的分布

• 其他类似

结果表明，油耗随着缸数的减少而下降，对于4缸和6缸车型，标准变速箱（类型是1）的油耗更低，但是对于8缸车型，两种变速箱的油耗似乎没有太大差别；从箱线图的宽度中也可以看出，样本中变速箱类型是0的8缸发动机汽车数量较多。

"title":"小提琴图","content"

小提琴图是箱线图和核密度图的结合，在纵轴展示了数据分布的核密度估计曲线

• 使用vioplot包中的 vioplot( )函数绘制

• vioplot(x1,x2,names=,col= )

• 其中x1,x2是要绘制的一个或者多个数值向量

• names=" " 是标签的名称

• col=" "用于指定小提琴图的颜色

library(vioplot)#加载需要的包x1=mtcars$mpg[mtcars$cyl==4]x2=mtcars$mpg[mtcars$cyl==6]x3=mtcars$mpg[mtcars$cyl==8]vioplot(x1,x2,x3,names=c("4缸","6缸","8缸"),col="gold")title("每加仑汽油行驶英里数的小提琴图")

小提琴图

• 在小提琴图中，白点是中位数，黑色盒子的范围是上下四分位点，细黑线表示的须的范围是最大和最小值

• 外部形状即为分布的核密度估计

2、如何看箱线图？？

箱盒图（也称盒图，箱线图等）是在1977年由美国统计学家John Tukey发明，分析数据需要为定量数据。通过箱盒图，可以直观的探索数据特征。

箱盒图共有两个用途，分别如下：直观地识别数据中异常值（离群点）；直观地判断数据离散分布情况，了解数据分布状态。

箱盒图共由五个数值点构成，分别是最小观察值（下边缘），25%分位数（Q1），中位数，75%分位数（Q3），最大观察值（上边缘）。中横线：中位数IQR：75%分位数（Q3）-25%分位数（Q1）最小观察值（下边缘） = Q1 – 1.5 IQR最大观察值 （上边缘）= Q3 + 1.5 IQR箱盒图的使用场景情况如下：查看可能的异常值数据情况（比如在回归分析前查看是否有异常数据）；非参数检验时查看不同类别X时，Y的数据分布情况；其它涉及查看数据分布或者异常值查看时。SPSSAU操作截图如下：上图中直观展示出C2时共有2个异常值点，如果对C2进行分析，且分析方法对异常值敏感时（比如相关分析，回归分析等），此时需要对该2个异常值点进行处理成null或者填充，或者在分析时进行过滤。SPSSAU提供不同类别X时，Y的盒状图分布，比如上图中可以查看不同性别人群，C1,C2和C3共三项在区分性别时的盒状分布。

得到结果比如C1的盒状图如下：上图可以看出，在男性时，C1中有2个异常点；女性时，C1共出现1个异常点。移动到异常点时会显示具体数据。此时如果有需要，可将此3个异常值进行处理，或者在分析时过滤掉异常值。

除了异常值的观察，还可以通过数据盒状图直观看出，男性在C1上的整体打分，会明显高于女性打分。

3、箱线图（Box Plot）理论篇

记得之前应该整理过的，但是找不到了，就再来一次吧 箱形图又称为盒须图、箱线图 箱形图针对的是单一变量，可以用来识别异常值 要理解和使用箱形图，需要搞清楚几个概念： 有两个点注意下： 从小到大排列 分成四等份 对于这三个分割点： Q3与Q1的差距又称为四分位距（InterQuartile Range, IQR） 这个图呢，大概是说，为什么上边界和下边界之外的数据，也就是离群值（异常值）可以忽略掉的原因，貌似就是传说中的3σ原则 我看这里还会标注离群值和极端值，上、下边界外的值 使用Excel、Python或者其他工具画箱线图很容易，但是，通过这个图到底可以得到些什么启示呢？ 感觉使用箱线图，是为了看数据的分布情况，看数据集中在哪里，分布有什么特征，数据是集中在较小值一侧还是较大值一侧，有没有异常值 这些资料都没啥特别的，刚才找到篇文章，狗熊会的，不错，对这个箱线图的使用场景算是来个对比，分享下 先附上原文地址： 丑图百讲 | 箱线图应该怎么用 箱线图是针对连续性变量使用的 我们也来看个实际例子，我就使用seaborn中的数据集好了 因为这里，并没有显示具体的各项指标数据，我们可以结合 describe 函数 也就是说，小费的中位数是2.9美元（不知道单位是啥，就当美元吧） Q1是2美元，Q3是3.5625美元，50%的数据都集中在这个区间内 异常值都集中在上限 中位数和平均值比较接近 其实用箱线图来展示这个小费的分布，并不是非常好，如果用直方图的话，更加的直观 看，数据的集中程度，更加的明显一些 不是所有的数据都适合话箱线图，如果你的箱线图画出来就是一条横线，或者很扁，那就赶紧换一种图吧 通常有2个原因导致这种情况： 原作者总结的很好，直接贴过来了，学习下 作者还说了，这里有一种解决办法，就是做 对数变换 但是，我目前还不是很理解，做了对数变换，数据不就变了吗，这个展示出来没有影响嘛？又为什么可以这样做呢？ 等我研究明白了再说 箱线图到底怎么用 配合着定性变量画分组箱线图，作比较！ 我理解的是，在不同维度下，对数据进行对比，可以使用箱线图 作者整理了几点箱线图的特点，这里分享下： 嗯，学习了，还是得专业的人来分享 这一篇理论篇先到这，我去整理下seaborn中绘制boxplot

4、箱线图怎么画

工具／原料：戴尔xps15、Win10、OfficePPT2016方法：1、打开PPT2016办公软件。2、点击菜单栏中的插入。

3、点击图表。

4、点击箱形图，点击箱形图，点击确定。5、插入箱形图图表成功。6、点击加号，添加图标元素。7、点击毛刷，添加样式和颜色。

本文关键词：如何看箱线图，如何看箱线图的分布形状，箱线图可以看出什么，如何看箱线图存在极值，看箱线图怎么写分析。这就是关于《如何看箱线图，箱线图怎么读（<4>箱线图和小提琴图）》的所有内容，希望对您能有所帮助！更多的知识请继续关注《犇涌向乾》百科知识网站：http://www.029ztxx.com！