未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本文适用于箱线图基础概念入门及使用Python绘制单组模拟数据；示例需具备NumPy、Matplotlib及可显示图形的运行环境。箱体外的数据不一定是异常值，默认1.5倍四分位距规则下的须外点仅为潜在异常点，须端点不一定是全体数据的最小值和最大值；不能仅凭箱线图判断学生能力。本次仅作全文结构审阅，未执行代码或核验外部链接。

note 适用边界

本文的Python示例用于练习绘制单组模拟数据的箱线图。箱体表示中间约50%的数据；示例默认规则下，须延伸至距上下四分位数不超过1.5倍四分位距的最远观测值，须外点是该规则标记的潜在异常点，不一定是错误数据，也不能仅凭这些点判断学生能力。须端点也不一定是全体数据的最小值和最大值。

🟩 箱线图（Boxplot）

abstract 📋 本节概览

  • 🎯 学习目标：理解什么是箱线图，为什么要用箱线图，以及如何用Python绘制
  • 📚 前置知识：统计图表与可视化|统计图表与可视化 | 描述性统计|描述性统计
  • ⏱️ 预计用时：8分钟

前置知识

note 📖 **什么是箱线图？**

箱线图是一种用来展示一组数据"分布、极值和异常值"的图表。它像一个盒子，能一眼看出数据的中位数、上下四分位数和异常点。

生活例子：

  • 比如你统计班级同学的成绩，箱线图能帮你观察成绩的中位数、离散程度和潜在异常点，但单独的箱线图不能识别具体学生，也不能据此判断学生能力。

🛠️ 前置知识

  1. 思路说明

    • 用matplotlib库的boxplot函数直接绘制
    • 可以一次画多组数据

  2. 前置知识

    • matplotlib（最常用的Python绘图库）
    • numpy（生成模拟数据）

  3. 代码示例

import matplotlib.pyplot as plt
import numpy as np
scores = np.random.normal(75, 10, 50)  # 生成50个成绩数据
plt.boxplot(scores, vert=True, patch_artist=True)
plt.ylabel('分数')
plt.title('班级成绩箱线图')
plt.show()

tip 💡 异常值

箱线图的箱体覆盖第一四分位数至第三四分位数，箱体外的数据不一定是异常值。本例使用Matplotlib默认规则：须延伸至距上下四分位数不超过1.5倍四分位距的最远观测值，须外单独绘出的点是该规则标记的潜在异常点，是否具有实际异常意义还需结合数据背景判断。

🔗 相关知识