解码数据分布:茎叶图和箱形图初学者指南

想象你是班主任,拿到了班上25名学生的数学考试成绩(满分100),分数如下:
45, 52, 59, 61, 62, 63, 65, 66, 68, 70, 72, 74, 75, 75, 76, 77, 78, 81, 82, 85, 88, 90, 92, 95, 98

让我们看看茎叶图和箱线图分别怎么"描绘"这群学生的成绩。


第一部分:茎叶图 --- 像一株植物,列出所有细节

一、它是什么?

茎叶图是一种将原始数据 和数据分布形状结合显示的图表。它像一株植物,"茎"是高位数字,"叶"是低位数字,所有数据点一目了然。

二、怎么画?(用我们的成绩数据)

  1. 分茎和叶:这里我们取十位数作"茎",个位数作"叶"。

  2. 画竖线:在纸上画一条竖线。

  3. 写"茎" :在竖线左侧,从最小十位数到最大十位数,依次写下:4, 5, 6, 7, 8, 9。

  4. 添"叶" :遍历每个分数,将它的个位数(叶),按顺序写在对应茎的右侧。

    • 第一个分数45 → 茎是4,叶是5,在4的右边记一个5。
    • 第二个分数52 → 茎是5,叶是2,在5的右边记一个2。
    • 以此类推...

最终得到的茎叶图如下:

markdown 复制代码
数学考试成绩茎叶图
十位(茎) | 个位(叶)
-----------------
4 | 5
5 | 2 9
6 | 1 2 3 5 6 8
7 | 0 2 4 5 5 6 7 8
8 | 1 2 5 8
9 | 0 2 5 8

(注:为了清晰,我们已将"叶"从小到大排序)

三、它能告诉我们什么?(解读图例)

  1. 看整体形状:数据集中在60-80多分之间(茎6,7,8),形状大致对称,像一座小山。
  2. 找具体数据 :可以直接读出每个分数!比如7 | 0 2 4 5 5 6 7 8表示有70, 72, 74, 75, 75, 76, 77, 78分的学生。这是它独一无二的优点。
  3. 发现异常值:最低分45分(茎4)看起来有点"离群"。

四、优点与局限

  • 优点 :保留了每个原始数据,直观展示分布,制作简单。
  • 局限:数据量很大(比如几百个)时,会变得冗长、混乱,不适合用。

第二部分:箱线图 --- 五个数字,概括全局

如果说茎叶图是"工笔画",列出所有细节,那么箱线图就是"简笔画",用五个关键数字 概括数据的整体分布。 一、五个关键数字是什么?

让我们先计算成绩数据的这五个数:

  1. 最小值 :45 (非异常值的最小值)
  2. 第一四分位数 :66 (将所有数据从小到大排序,位于前25%位置的数,记作Q1)
  3. 中位数 :75 (排序后正中间的数,记作Q2或中位数)
  4. 第三四分位数 :82 (位于前75%位置的数,记作Q3)
  5. 最大值 :98 (非异常值的最大值)

二、箱线图长什么样?(基于以上五个数)

scss 复制代码
        最小值   Q1   中位数   Q3    最大值
          |-----[====|====]-----|
         45     66    75    82     98
          ↓      ↓           ↓      ↓
        下界    箱子起点    箱子终点   上界
                 (IQR范围)

([ ]表示箱子,|在箱子中间是中位数,-----是须线)

更标准的箱线图还会标出可能的异常值(用点·表示) 。

三、它能告诉我们什么?(解读图例)

  1. 看箱子的位置和长度:

    • 箱子包含了中间50%的数据(从Q1到Q3,即66分到82分)。
    • 箱子长度 = Q3 - Q1 = 16,这叫四分位距,反映了中间半数数据的波动范围。这里箱子不长,说明中等水平的学生成绩比较集中。
    • 中位数线(75) 在箱子中间偏右一点,说明成绩分布稍微偏向高分一侧。
  2. 看须线的长度:

    • 下须线(Q1到最小值45)比上须线(Q3到最大值98)长很多,说明高=低分学生分布更分散,而高分学生(除了个别)相对集中。
  3. 识别异常值:

    • 箱线图通常用1.5倍IQR规则判断异常值。本例中:

      • 下界 = Q1 - 1.5*IQR = 66 - 24 = 42
      • 上界 = Q3 + 1.5*IQR = 82 + 24 = 106
    • 分数45高于下界42,所以没有异常值 。如果有分数低于42,就会被单独标为异常点·。

四、箱线图的巨大威力:多组比较

这是箱线图最不可替代的用途!一眼比较不同班级、不同方法的效果。

css 复制代码
  班级A成绩   |---[==|==]---|·········>
  班级B成绩         |---[=|==]---|
  班级C成绩 |---[===|===]---|
          ←---------------分数---------------→

一眼看出:A班中位数最高,但有个超低异常值;B班整体紧凑;C班整体偏低但均匀。


第三部分:总结与对比

特性 茎叶图 箱线图
核心功能 展示细节,列出每个数据点 概括分布,用五个统计量总结
呈现信息 所有原始数据、分布形状 中位数、四分位范围、极值、异常值
最佳场景 数据量小(如<50),需要精确知道每个值时 数据量大,快速了解分布概况,特别适合多组数据对比
优点 不丢失原始信息,制作简单 简洁有力,对异常值敏感,比较能力强
局限 数据量大时混乱不堪 丢失了数据分布的细节(如双峰分布)

给你的最终指南

  1. 如果你是"考古学家" ,想仔细审视一小批数据的每一个细节,用茎叶图。
  2. 如果你是"指挥官" ,想快速把握一批或多批数据的整体分布、典型水平和异常情况,用箱线图。

记住这个口诀:

茎叶图,个个现,数据一多就花眼。
箱线图,五条线,分布异常全看见。

相关推荐
弈栈录10 小时前
时间序列分析:按日、周、月进行趋势统计
数据分析·pandas
宋艳_AI应用开发11 小时前
Agent 工程:慢的不一定是模型,答案对了也可能算失败
面试
Databend12 小时前
OpenRaft 自定义 Membership,按部署拓扑选择 Quorum
大数据·数据库·数据分析
镰刀韭菜12 小时前
用 AI 做数据分析时,怎么保住自己的思考力
sql·数据分析·学习方法·提示工程·ai应用
斯维赤14 小时前
三级缓存为什么是三级?二级缓存不够吗
前端·后端·面试
倔强的石头_16 小时前
白嫖 1000 次额度,我把这个企业数据 API 的 6 个维度测了个遍
数据分析
Sharewinfo_BJ17 小时前
从“看数据”到“做决策”:AI时代,BI的下一个形态是什么?
ai·数据分析·bi·智信bi
前端小万18 小时前
思考,行动,复盘|2026
前端·后端·面试
Sailing18 小时前
🚀客户端都超时了,你的 Go 服务还在查库?Context 取消链路不打通,连接池迟早被打爆
后端·面试·go
Baihai_IDP19 小时前
使用场景不同,模型“推理速度慢”的原因也不同
人工智能·面试·llm