在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中，箱线图（Box Plot）是应用最广泛的可视化与统计工具之一。它通过简洁的图形结构直观展现数据的集中趋势、离散程度与异常分布，而 上下限（箱线须边界） 是箱线图最核心的统计判断标准，也是识别数据异常值的核心依据。

很多从业者在使用箱线图时，仅依赖工具自动生成结果，对上下限的计算逻辑一知半解，导致异常值判断偏差、数据清洗错误、分析结论失真。箱线图上下限并非数据的原始最大最小值，而是基于四分位数推导的统计临界值，具备严谨的统计学逻辑，是 Tukey 异常值检测法的核心实现。本文系统讲解箱线图上下限的统计意义、计算原理、标准化流程、实战案例与常见误区，形成完整的箱线图统计应用体系。

一、箱线图的核心构成与上下限的统计价值

（一）箱线图的基础构成

标准箱线图由五个核心统计量与两条边界线组成，从小到大依次为：

• 下限（下须）：正常数据的下界，低于该值判定为异常值

• 下四分位数（Q1）：排序后位于 25% 位置的数值，又称第一四分位数

• 中位数（Q2）：位于 50% 位置的数值，反映数据的集中水平

• 上四分位数（Q3）：位于 75% 位置的数值，又称第三四分位数

• 上限（上须）：正常数据的上界，高于该值判定为异常值

中间的箱体由 Q1 到 Q3 构成，覆盖了中间 50% 的核心数据，箱体宽度反映数据的离散程度；上下须为正常数据的波动边界，超出须的散点即为离群异常值。

（二）上下限的核心统计价值

1. 稳健的异常值判定标准 不同于均值 - 标准差法受极端值干扰严重，箱线图上下限基于四分位数计算，不受两端极端异常值的拉动，对偏态数据、非正态数据适配性更强，是业务数据异常检测的首选方法。

2. 直观反映数据分布范围 通过上下限可快速判断数据的整体波动幅度与离散程度；对比多组数据的上下限，可直观判断不同群体的数据稳定性差异。

3. 标准化数据清洗依据 为数据预处理提供统一的异常值判定口径，避免主观判断的随意性，是数据分析、建模前数据清洗的标准化操作依据。

二、箱线图上下限的核心计算原理

箱线图上下限的计算以 四分位距（IQR） 为核心，由统计学家图基（Tukey）提出，也称为 Tukey 栅栏规则，是行业通用的标准计算规则。

（一）核心基础概念

1. 四分位数

将排序后的数据集四等分，三个分割点对应的数值即为四分位数：

• Q1：排在 25% 位置的数值，代表下四分位点

• Q2：排在 50% 位置的数值，即中位数

• Q3：排在 75% 位置的数值，代表上四分位点

通用计算采用线性插值法，定位公式为：四分位数位置 = (n + 1) × 分位点，其中 n 为样本总量；若计算出的位置为小数，则对前后两个数值做线性插值得到最终分位数值。

2. 四分位距（IQR）

四分位距 = 上四分位数 - 下四分位数，即： IQR = Q3 - Q1

IQR 反映了中间 50% 核心数据的离散程度，数值越大说明数据波动越强。由于完全避开了两端极端值的影响，它是非常稳健的离散程度统计量，也是推导上下限的核心中间量。

（二）上下限标准计算公式

行业通用的 1.5 倍 IQR 规则，对应常规异常值判定：

• 上限（上须边界） = Q3 + 1.5 × IQR

• 下限（下须边界） = Q1 - 1.5 × IQR

若需判定极端异常值，可采用更严格的 3 倍 IQR 规则：

• 极端上限 = Q3 + 3 × IQR

• 极端下限 = Q1 - 3 × IQR

1.5 倍为统计学经验值：在数据服从正态分布的前提下，1.5 倍 IQR 对应的范围约覆盖 99.3% 的正常数据，超出范围的样本出现概率极低，可判定为异常。该系数也可根据业务严谨程度灵活调整。

三、箱线图上下限标准化计算步骤

完整的上下限计算与异常值识别遵循五步标准化流程，适用于所有业务数据场景：

第一步：数据排序

将原始数据集按从小到大的顺序排列，保证四分位数定位准确。这是所有计算的基础，无序数据无法正确计算分位数。

第二步：计算四分位数 Q1、Q2、Q3

根据样本量计算三个四分位数的位置，结合线性插值法得到 Q1、Q2、Q3 的具体数值。

第三步：计算四分位距 IQR

通过 Q3 减去 Q1 得到四分位距 IQR，该值是计算上下限的核心中间量。

第四步：计算上下限临界值

根据业务场景选择 1.5 倍或 3 倍系数，代入公式计算得到上限与下限的数值边界。

第五步：异常值判定与归类

将原始数据与上下限对比：

• 数值在上下限之间：正常数据，属于合理波动范围

• 数值超出上限：高值异常值

• 数值低于下限：低值异常值

• 超出 3 倍 IQR 范围：极端异常值

四、实战计算案例：订单金额异常值识别

以某门店 12 笔订单的消费金额为例，完整演示箱线图上下限计算与异常值识别过程。 原始订单金额数据（单位：元）：120, 150, 160, 180, 200, 220, 240, 260, 280, 300, 320, 800

第一步：数据排序

排序后结果：120, 150, 160, 180, 200, 220, 240, 260, 280, 300, 320, 800 样本量 n=12

第二步：计算四分位数

Q1 位置 = (12+1) × 25% = 3.25，即第 3 个数值与第 4 个数值之间的 0.25 位置 Q1 = 160 + (180 - 160) × 0.25 = 165 元

Q2 位置 = (12+1) × 50% = 6.5，即第 6 个与第 7 个数值的中间值 Q2 = (220 + 240) ÷ 2 = 230 元

Q3 位置 = (12+1) × 75% = 9.75，即第 9 个与第 10 个数值之间的 0.75 位置 Q3 = 280 + (300 - 280) × 0.75 = 295 元

第三步：计算四分位距

IQR = Q3 - Q1 = 295 - 165 = 130 元

第四步：计算上下限（1.5 倍 IQR 规则）

上限 = 295 + 1.5 × 130 = 490 元 下限 = 165 - 1.5 × 130 = -30 元 金额类数据下限为负数时，实际业务中通常以 0 为实际下界。

第五步：异常值判定

对比原始数据，800 元＞490 元上限，判定为高值异常值；其余 11 笔订单均在上下限范围内，属于正常数据。

五、箱线图上下限的核心业务应用场景

1. 业务数据异常值清洗 在订单金额、用户消费、配送时长、客服响应时长等业务数据预处理中，通过箱线图上下限识别异常数据，剔除错误数据或单独分析极值样本，保证后续分析结论准确。

2. 多组数据分布对比 对比不同区域、不同渠道、不同用户群体的箱线图上下限与箱体宽度，快速判断各组数据的稳定性、离散程度与异常情况，辅助业务归因分析。

3. 数据质量监控 针对日常运营指标搭建箱线图监控机制，超出上下限的指标自动触发预警，及时识别业务异常波动。

4. 特征工程预处理 在机器学习建模前，通过箱线图上下限识别特征变量的异常值，采用盖帽法、删除法处理异常，避免极端值干扰模型精度。

六、常见计算与应用误区

1. 混淆原始极值与统计上下限

很多人误以为箱线图的上下须就是数据的最大值和最小值，这是最常见的认知错误。上下限是计算出的统计临界值，若所有数据都在临界值内，上下须才与极值重合；存在异常值时，上下须为最接近临界值的正常数据点。

2. 四分位数口径不统一

不同工具的四分位数计算逻辑存在差异，如 Excel 的两类四分位数函数、Python 的不同库默认算法，同一组数据可能得到略有差异的 Q1、Q3 结果。同一项目中需固定计算口径，保证数据可比。

3. 盲目套用 1.5 倍系数

1.5 倍是通用经验值，并非不可调整。风控、质检等高严谨场景可收紧为 3 倍，减少误判；初步探索性分析可适当放宽系数，需结合业务场景灵活选择。

4. 超出上下限直接删除数据

统计异常不等于业务错误。例如高价值客户的大额订单、大促期间的峰值销量，虽超出箱线图上下限，但属于真实有效的业务数据。需先结合业务判断异常原因，再决定删除、保留或修正，不可直接一刀切删除。

5. 认为非正态数据无法使用

箱线图上下限对数据分布无强制要求，非正态、偏态数据均可使用，这也是其优于均值 - 标准差法的核心特点，不存在 “非正态不能用” 的限制。

全文总结

箱线图上下限是基于四分位距的稳健统计边界，核心计算逻辑为 “四分位数→四分位距→1.5 倍 IQR 推导上下限”，是异常值识别、数据分布分析的标准化工具。相较于依赖均值的异常判断方法，它不受极端值干扰，对偏态业务数据适配性更强，广泛应用于数据清洗、业务监控、多维度对比等场景。

在实际应用中，遵循标准化计算流程，统一四分位数口径，结合业务场景合理判定异常值，避免盲目删除数据与机械套用系数，才能充分发挥箱线图的统计价值，为数据分析与业务决策提供可靠的数据支撑。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0