1. 概述

箱线图是一种用作显示一组数据分布情况的统计图，因型状如箱子而得名。

箱子的顶端和底端，分别代表上下四分位数。箱子中间的是中位数线，它将箱子一分为二。从箱子延伸出去的线条展现出了上下四分位数以外的数据，由于这两根延伸出去的线像是胡须，因此箱形图也被称为盒须图。有时，箱形图上也会出现个别的点，在胡须的末端值以外，这代表离群值，也可称之为异常值。

1.2 基本要求

箱线图的基本要求：

1.3 图表特点

箱形图最大的优势是，它以一种简单的方式，概括出一个或多个数值变量的分布，同时又不会占据太多空间。通过箱形图，我们可以很快知道一些关键的统计值，如中位数、上下四分位数等；也可以分析是否存在离群值、离群值分别是多少。最后，我们还可以用多个箱型图，比较多组数据的分布，从而快速获得对数据结构、数据质量的认知。

比如在上面这张图中，我们可以看出：

①奥地利（Austria）、德国（Germany）、西班牙（Spain）的平均寿命会比较高。而白俄罗斯（Belarus）、伯利兹（Belize）和中国（China）的人均寿命相对较低（用中位数来衡量整体情况平均情况）。

②伯利兹（Belize）和中国（China）的人均寿命分布比较集中，因为箱子比较短。而奥地利（Austria）、德国（Germany）人均寿命分布比较分散。

③从各个箱形图的中位数和上下四位数的间距也可以看出白俄罗斯（Belarus）和中国（China）的人均寿命分布是比较的对称。

2. 示例

配置箱线图，首先我们需要在 星河可视化共创分析平台平台图表库找到箱线图并把它拖到看板中。

在箱线图字段设置中我们可以看到有个9字段可以配置，这是两种配置方式，以便不同场景下的配置需求。

比如在这套数据中，有各城市各时间段的最高温、最低温、空气质量指数、空气质量等级等记录。假如我们想找出某几个城市，在某个时间段的最高温，并用箱线图配置出来，我们应该怎么做？

2.1 前端计算配置方式

第一种配置方式：如果我们需要利用前端计算，我们需要配置X轴、Y轴、分组。因此我们只需要把相应的字段拖入，并作相应筛选即可，操作如图：

1）把“城市”字段拖入X轴、把“最高温”字段拖入Y轴（并设置平均值）、并把“”日期字段拖入分组中（因为是以最高温的日期做聚合，因此在这里拖入的是日期）。

2）在“条件过滤”中，我们拖入“城市”并筛选出自己想要的城市。如在这里我们选择了上海、北京、南京、台北、广州几个城市。

同样的，把“日期”也拖入筛选，并用（a,b)设置上下限。在这里，我们上限设置为“2020-01-31”，下限设置为“2020-01-01”。

通过上述设置，我们就可以得到2020年1月份上海、北京、南京、台北、广州这个几个城市最高温的平均数据。

这样前端计算的配置的方式已经完成。

2.2 预置数据的配置方式

假如我们已经事先预置好各城市的极大值、极小值、上四分位值、下四分位值和中位数。

那么直接拖入相应字段中即可出图：

通过预置数据，配置完相关字段后，也能同样配置出箱线图。