【文献基础003】论文图表解读（3）——箱式图

背景介绍

做科研离不开阅读文献，对科研小白来说，怎么读文献一直是一道难关。很多人刚接触科研时，就会接到“多读文献”的命令，可是导师又不教怎么读，然后就自己闷头读文献，读来读去也没读出个所以然。

读文献既要讲方法，也要讲基础。对医学专业的来说，给你一篇化学或者数学的文献，你又能理解多少呢？

我们平时读的文献，大部分还是以研究型为主，对中文文章，图表结合的多，比较看重文字，而SCI论文，更多是以图说话，因为图片更加直观。图片是SCI论文中结果呈现的主要形式，很多人刚开始读文献，可能不重视看图，从头至尾把文字读个遍，结果搞得自己一头雾水，不知所云。这种研究型的文章，在读完摘要之后，要先看图，大致了解作者都做了哪些工作，每组图要证明的是什么问题，然后再读文字的内容。

可是，没有文献基础，看到图连是什么类型的图都不知道，又怎么能知道作者要表达什么呢？

这个系列，一起来学习文献里那些导师以为你都会常见图都代表什么意思。

今天是第三期，讲讲另一种常见的图：箱式图

箱式图，又叫箱形图（Box-plot），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。箱图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。

先来直观感受一下，文献中看到这样的图就是箱式图了

箱式图主要需要关注的其实是5条线，即下图中的上界线、上四分位线、中位数线、下四分位线、下界线。

理解箱式图的含义，需要先回顾一下四分位数的知识，一组数据按照从小到大顺序排列后，把该组数据四等分的数，称为四分位数。

第一四分位数 (Q1)，第二四分位数 (Q2，也叫“中位数”)，第三四分位数 (Q3)分别等于该样本中所有数值由小到大排列后第25%、第50%和第75%的数字。第三四分位数与第一四分位数的差距又称四分位距（interquartile range, IQR）

下面这张图详细的解释了箱式图不同线的含义，先看箱体结构，箱体的上线(上四分位线）是Q3，下线（下四分位线）是Q1，所以箱体表示的即是四分位间距（IQR）箱体中间的线表示中位线（Q2）。上界线表示的是数据可能出现的最大值Q3+1.5IQR，下界表示可能出现的最小值Q1-1.5IQR。上界和下界背后有着一种概率的含义，并不是表示这组数据的最大值和最小值。对于小于下界、大于上界的数值，会以散点表示出来，通常被称作离群值或异常值。

至此，应该就可以明白箱式图所表达的主要意思了。

箱式图有什么用：

1、直观地识别异常数据

由于可以利用中位数、25/%分位数、75/%分位数、上边界、下边界等统计量的计算，可生成一个箱图，箱体区域包含的大部分为正常数据，而在箱体上边界和下边界之外的，就是异常数据。反之，箱形图可以用来直接观察数据整体的分布情况，凭借中位数、25/%分位数、75/%分位数等统计量，来描述数据的整体分布情况。

2、判断数据的偏态和尾重

对于标准正态分布的大样本，中位数位于上下四分位数的中央，箱形图的方盒关于中位线对称。中位数越偏离上下四分位数的中心位置，分布偏态性越强。异常值集中在较大值一侧，则分布呈现右偏态；异常值集中在较小值一侧，则分布呈现左偏态。

3、多批数据通过形状来比较

箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。因此，箱子的宽度在一定程度上反映了数据的波动程度。箱体越扁说明数据越集中，端线越短，也说明数据集中。（如本文的第一张图）

箱式的绘制，Prism、R都可以完成，Prism简单易操作，后期出教程。

今天的分享就到这里，下期见。