做數據分析，大部分時間都在干什么？

60%的時間都在整理數據？！

很多人剛看到這個圖，可能覺得很夸張，其實這一點都不夸張！甚至我們有時候清洗數據的時間占比還要更高！

數據清洗，具體都在干什么？

大家肯定能想到一些，例如缺失值、重復值、異常值…… 這些都很對，但別忘記了，以上僅是純數據層面的數據清洗，我們實際工作中，業務層面的數據清洗才是更大的考驗?。〝祿芾淼摹稊嫡f》線上課程有介紹，有興趣的朋友可以后臺回復 “數說” 看介紹）

本篇文章，給大家介紹一個圖表-- 箱形圖，可以很方便地幫我們去 發現異常值，提高我們清洗數據的效率！

箱形圖是什么？

沒錯了，上面這個就是 箱形圖了！中間部分是不是確實像一個箱子？

平時我們要看一組數據的分布集中情況時，可以直接用到統計的數字（如平均數，中位數，眾位數等），也可以用圖形化的方法 （箱形圖就是其中的一種） 。在上面的箱形圖中，有些名詞要解釋一下：

首先是對一組數字從小到大進行排序，然后：

第一四分位數：處于第25%位置的數字

中位數（第二四分位數）：處于最中間位置的數字，這組數字中一半會比它大，另一半比它小

第三四分位數：處于第75%位置的數字

上邊緣：第三四分位數 + 1.5 *（第三四分位數 - 第一四分位數）或正常值的最大值

下邊緣：第一四分位數 - 1.5 *（第三四分位數 - 第一四分位數）或正常值的最小值

離群值：在上邊緣或下邊緣以外的值，就是離群值（異常值）

以上就是箱形圖中，可以展示出來的值。

箱形圖能做什么？

箱形圖，是以圖形方式快速查看一個或多個數據集的好方法，可以幫助我們看到數據組中的：

1、 關鍵數值，例如平均值、中位數和上下四分位數

2、 異常值，如果這組數存在異常值（大于上邊緣，或小于下邊緣），則會自動在圖中顯示出來

3、 數據分布，根據中位數線是否位于正中心、靠上/下，去判斷分布情況

以下通過2個案例去簡介一下箱形圖的應用，建議大家也可以結合企業的數據，或者百度更多的案例進行深入研究學習。

應用舉例1：分析5大手機品牌的京東零售價格分布情況

從上方的箱形圖，我們可以看到最低售價是599元，最高售價是12298元；在橙色的箱子里面，表示50%的手機零售價格是介于1699-4787元之間的。

極端異常值是分別有：9998、10498、10999、12298，即表示這些數極大地偏離大部分的數據，即超過9098元的零售價格可以看成為零售價中的異常價格值，算絕對高端的價格了。這些異常值可以作為我們的重點研究對象，值得我們花時間去了解其異常的原因。

應用舉例2：比較不同銷售員的業績情況，以下是根據11月每個店員每天的銷售業績數據做出來的箱形圖

上面的箱形圖可以看到，每個店員的最小銷售額、最大銷售額，銷售額中位數這些關鍵數字，同時也方便我們去橫向對比不同的店員，如比較中位數店員4的大部分業績都是要比另外三個人要高的（背后的原因，可能是高價產品銷售能力強，或者連帶率更高）。從圖表上總體來看，店員2的業績最穩定，店員4的業績最不穩定。另外可以看到，店員2的數據中，有7643、8113、8227三個離群值，表明是大幅度地偏離了大部分的數據，需要我們去尋找其中的原因，以便進一步分析。

其實還有更多的箱線圖應用場景，例如在質量管理中，人事評測，探索性數據分析中都可以用到，主要是用它來識別異常數據，直觀比較多組數據之間的分布情況。

關于箱形圖的技術方面，在Excel2016以上版本是自帶圖表，直接選中數據源插入就行；如果是Excel2013及以下的版本，可以用股價圖/堆積柱形圖等方法去實現（具體請自行百度）；如果是PBI，可以自行從市場導入箱形圖，然后使用。

建議大家可以用自己的數據來探索（員工工資數據、商品零售價數據、銷售業績數據……），探索在更多的場景去使用，有更多的意見也歡迎大家評論分享~

------------------

想了解數據化管理出口的產品，歡迎