ggplot | funature blog

箱形图（英文：Box-plot）是一种用作显示一组数据分散情况的统计图，于1977年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数、下四分位数及上四分位数。

箱型图由一个长方形（即所谓的箱子）和两根从长方形延伸出的线组成，两根线的末端一般以一根短线结尾，它们有时候也被称为胡须或天线。位于长方形里边的线表示分布的中位数，也就是说这根线两边各存在50%的数。长方形的两端各代表下四分位数及上四分位数，也就是说，长方形内也包含了50%的数。下四分位数和上四分位数之间的距离被称为四分位间距(interquartile range)，简称IQR。根据John Tukey对天线末端位置的定义，它们距离各自箱型边界的距离不超过1.5倍IQR，当最大值或最小值在这个范围内时，则取最大值或者最小值。也就是为什么通常两根线长短不一的原因。如果在这个范围之外存在数值，被成为离群值(Outlier)，它们将被单独表示出来。这种表达方法也是ggplot里boxplot默认的方法。此外也可以选择带缺口的箱型图(notched box plot)，它对基本的图形进行扩展，标示出1.58 * IQR / sqrt(n)位置，大约是所有数值95%的区间。通过观察箱型图，人们可以迅速地了解数据的大致分布，比如50%数据分布的位置，大多数数据集中的范围，从中位线位置看出数据分布的对称性等。