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5%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。
箱子的中间一条线，是数据的中位数，代表了样本数据的平均水平。
箱盒图（也称盒图，箱线图等）是在1977年由美国统计学家John Tukey发明，分析数据需要为定量数据。通过箱盒图，可以直观的探索数据特征。
箱盒图共有两个用途，分别如下：
直观地识别数据中异常值（离群点）；
直观地判断数据离散分布情况，了解数据分布状态。
中横线：中位数
IQR：75%分位数（Q3）-25%分位数（Q1）
最小观察值（下边缘） = Q1 – 1.5 IQR
最大观察值 （上边缘）= Q3 + 1.5 IQR
箱盒图共由五个数值点构成，分别是最小观察值（下边缘），25%分位数（Q1），中位数，75%分位数（Q3），最大观察值（上边缘）。
箱盒图的使用场景情况如下：
查看可能的异常值数据情况（比如在回归分析前查看是否有异常数据）；
非参数检验时查看不同类别X时，Y的数据分布情况；
其它涉及查看数据分布或者异常值查看时。
SPSSAU操作截图如下：
上图中直观展示出C2时共有2个异常值点，如果对C2进行分析，且分析方法对异常值敏感时（比如相关分析，回归分析等），此时需要对该2个异常值点进行处理成null或者填充，或者在分析时进行过滤。
SPSSAU提供不同类别X时，Y的盒状图分布，比如上图中可以查看不同性别人群，C1,C2和C3共三项在区分性别时的盒状分布。
得到结果比如C1的盒状图如下：
上图可以看出，在男性时，C1中有2个异常点；女性时，C1共出现1个异常点。移动到异常点时会显示具体数据。此时如果有需要，可将此3个异常值进行处理，或者在分析时过滤掉异常值。
除了异常值的观察，还可以通过数据盒状图直观看出，男性在C1上的整体打分，会明显高于女性打分。
箱形图提供了一种只用5个点对数据集做简单总结的方式。这5个点包括中点、Q1、Q3、分部状态的高位和低位。箱形图很形象的分为中心、延伸以及分部状态的全部范围
箱形图中最重要的是对相关统计点的计算,相关统计点都可以通过百分位计算方法进行实现。
如何看箱线图：
同一数轴上，几批数据的箱形图并行排列，几批数据的中位数、尾长、异常值、分布区间等形状信息便一目了然。在一批数据中，哪几个数据点出类拔萃，哪些数据点表现不及一般，这些数据点放在同类其它群体中处于什么位置，可以通过比较各箱形图的异常值看出。各批数据的四分位距大小，正常值的分布是集中还是分散，观察各方盒和线段的长短便可明了。每批数据分布的偏态如何，分析中位线和异常值的位置也可估计出来。还有一些箱形图的变种，使数据批间的比较更加直观明白。例如有一种可变宽度的箱形图，使箱的宽度正比于批量的平方根，从而使批量大的数据批有面积大的箱，面积大的箱有适当的视觉效果。如果对同类群体的几批数据的箱形图进行比较，分析评价，便是常模参照解释方法的可视图示;如果把受测者数据批的箱形图与外在效标数据批的箱形图比较分析，便是效标参照解释的可视图示。箱形图结合这些分析方法用于质量管理、人事测评、探索性数据分析等统计分析活动中去，有助于分析过程的简便快捷，其作用显而易见。
箱线图判断异常值的标准以四分位数和四分位距为基础，四分位数具有一定的耐抗性，多达25%的数据可以变得任意远而不会很大地扰动四分位数，所以异常值不会影响箱形图的数据形状，箱线图识别异常值的结果比较客观。由此可见，箱线图在识别异常值方面有一定的优越性。
1、下四分位数Q1
（1）确定四分位数的位置。Qi所在位置=i（n+1）/4，其中i=1，2，3。n表示序列中包含的项数。
（2）根据位置，计算相应的四分位数。
例中：
Q1所在的位置=（14+1）/4=3.75，
Q1=0.25×第三项+0.75×第四项=0.25×17+0.75×19=18.5；
2、中位数（第二个四分位数）Q2
中位数，即一组数由小到大排列处于中间位置的数。若序列数为偶数个，该组的中位数为中间两个数的平均数。
例中：
Q2所在的位置=2（14+1）/4=7.5，
Q2=0.5×第七项+0.5×第八项=0.5×25+0.5×28=26.5
3、上四分位数Q3
计算方法同下四分位数。
例中：
Q3所在的位置=3（14+1）/4=11.25，
Q3=0.75×第十一项+0.25×第十二项=0.75×34+0.25×35=34.25。
4、上限
上限是非异常范围内的最大值。
首先要知道什么是四分位距如何计算的？
四分位距IQR=Q3-Q1，那么上限=Q3+1.5IQR
5、下限
下限是非异常范围内的最小值。
下限=Q1-1.5IQR
BDP个人版箱形图效果：
