箱线图/盒须图（box plot）是数据分布的图形表示，由五个摘要组成：最小值、第一四分位数（25th百分位数）、中位数、第三四分位数（75th百分位数）和最大值。

箱子代表四分位距（IQR）。IQR是第三四分位数和第一四分位数之间的差异。箱子内的线表示中位数或均值的50%置信区间。这条线的端点可以解释为“须”，因为它们延伸到离箱子两端1.5*IQR处的最极端值。

根据四分位数对数据进行分组有助于找到离群值，这些值可能是远离下限和上限四分位数的个别点。这可以通过绘制箱线图来完成，这是一种线图，显示了落入四个类别中的数据点数量：下四分位数（25%）、第一四分位数（50%）、中位数（75%）和第三四分位数（100%）。

箱线图有助于确定数据集中是否存在任何异常值，这可能表明数据采集或处理存在问题。箱线图还有助于发现数据的分布范围或数据的变化，并且这个图表有助于提供更多信息，而不仅仅是显示数据的中心趋势。

箱线图的组成部分

箱线图是数据的图形表示，由以下部分组成：

1. 箱子：它是一个包含数据集中所有值的矩形。箱子的长度代表数据集的最大值，宽度代表数据集的最小值。
2. 下须：它表示为从最小值到最大值延伸的线。它显示了箱子下方（最小值）和上方（最大值）延伸多远。
3. 上须：它表示为从最小值到最大值延伸的线。它显示了箱子下方和上方（最小值）以及上方（最大值）延伸多远。
4. 中位数：中位数是出现在箱线图中间的点或条形。它表示大约一半的数据位于其上方，约一半位于其下方，可以帮助你查看数 据集中是否存在任何异常值。这有助于将数据分成两个相等的部分，以便更容易进行分析。
5. 第三四分位数（Q3）：在数据集的三分之一处表示为另一个点或条形，帮助你确定大约75%的数据位于其上方和下方——分布的中间部分。
6. 最大值：它是分布中被称为最大的值，并且可以通过查找Q1（第一四分位数）两侧的最高点来找到。你可能还注意到在此图中圈出了Q3——这意味着该点位于该线两端的一个标准偏差内（接下来我们将解释）。
7. 四分位距（IQR）：Q3-Q1，即一组数据的第三四分位数与第一四分位数之间的距离，或者一组数据的75th百分位数与25th百分位数之间的差异。
8. 离群值：它们是分布的极左端或极右端的数据点。换句话说，它们是远离大部分其他数据的平均值的数据点。

箱线图的应用

箱线图是可视化离群值、对称性、数据偏斜和数据紧密度的绝佳方式。

1. 离群值：箱线图可以用于识别离群值，因为箱线图将显示除离群值之外的所有数据点。
2. 对称性：箱线图还可用于确定数据是否对称。对称性由上须和下须值之间的直线表示。如果没有对称性，则表示您的数据不遵循正态分布。
3. 数据偏斜：可以通过观察箱线图的形状来确定数据的偏斜程度。如果偏向一侧，则表示您的数据向一侧偏斜，而不是正态分布；如果向两个方向偏斜（即，两端有更长的尾巴），则表示您的数据两端有长尾可能表明非正态分布。
4. 紧密度：这些点表明您的数据集中有很少的离群值；这可能意味着您的样本人群中也有很少或没有离群值，因为其规模较小。如果线延伸得太高或太低，则表示数据具有很高的方差，您可能需要考虑从分析中删除这些离群值。
5. 数据偏斜：如果您的数据偏向光谱的任一端（即，如果其不是正态分布），则这意味着大多数观察结果接近一端或另一端，而另一端的观察结果很少。这可能是因为大多数人的某种程度相似（例如，收入），但有一个人的收入比其他人高得多；这也可能意味着您的样本人群中有两个群体（例如，男性与女性）。

Python绘制箱线图

• Pandas绘制箱线图

iris=pd.read_csv('iris.csv')
iris.columns=['    Sepal_Length','Sepal_Width','Petal_Length','Petal_Width','Species']


iris.boxplot()

• seaborn绘制箱线图

import  seaborn as sns


sns.catplot(kind='box',data=iris)

• SmartNotebook中绘制箱线图

箱线图是数据集中数据分布的图形表示。它们显示五个摘要：最小值和最大值、四分位值（第25、50和75百分位数）以及中位数。箱线图还显示了四分位距（IQR），它是一种衡量数据散布或分散程度的指标。

IQR可用于识别离群值。离群值是指位于距第一四分位数（Q1）1.5倍IQR之外的观察值。如果您的数据集中有任何离群值，应进一步调查，因为它们可能会对您的分析结果产生影响。