箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图，因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。通过箱形图我们可以观察数据是否有偏向性、是否对称、数据是否有异常值、数据分布是否太过密集等。
箱子的中间有一条线，代表了数据的中位数( Q2 )。箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1），这意味着箱体包含了
50% 的数据。因此，箱子的高度在一定程度上反映了数据的波动程度。上下边缘则代表了该组数据的最大值和最小值。超出最大值和低于最小值的点，可以理解为数据中的“异常值”。
不论是统计分析作业还是各类论文数据的分析，箱形图都能很好地帮助大家分析比较数据分布情况。
今天，我们就以一组学生成绩数据为例，教大家如何在FineBI v6.0中通过简单的拖拉拽完成一个箱形图。
首先将excel数据集导入FineBI中。
确认后，创建分析主题，并命名为学生成绩箱线图。
新建分析主题后，点击下方【组件】进入图表，选择图表类型为【箱形图】，再将课程拖入横轴，分数拖入纵轴，学号拖入颗粒度，一个简单的箱形图就完成了。
接下来可以美化组件样式：将【课程】拖入颜色中，在组件样式中可以选择隐藏图例。
分析结论
- 从箱子的长度可以看出，创新技术应用成绩分布较为集中，而计算机基础课程成绩分布较为分散。
- 从中位数到上四分位和下四分位的距离可以看出，四门课中，创新技术应用课程成绩分布最为均匀，而市场营销和概率论课程成绩分布较不均匀，且市场营销课程高分多，概率论低分多。
- 从中位数的位置可以得出，计算机基础的总体情况较好，概率论课程成绩总体情况不太好，且原因从数据中也可以发现有5位同学考了40分以下。
思考题
- 已知FineBI可以自定义图表，可以选择不同图形属性的纵轴，那你知道如何在FineBI中显示箱形图的异常点吗？
关注【帆软校企合作】公众号来找答案哦！
