箱线图深度解读系列

在直方图系列中，我们已经学会了用分箱和柱子来展示数据的完整分布形态。直方图擅长回答"数据长什么样"，但它有一个与生俱来的局限：它依赖分箱参数。同样的数据，箱宽不同、边界不同，直方图的形状可能截然不同，甚至导致相反的结论。有没有一种图形，不依赖任何人为设定的参数，只用五个固定的统计量就能稳健地概括数据分布？这就是箱线图（Box Plot）。

箱线图由美国统计学家 John W. Tukey 于 1977 年在《探索性数据分析》（Exploratory Data Analysis）中正式提出。它的核心思想极其简洁：用最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）、最大值这五个数，加上一个基于四分位距（IQR）的异常值判定规则，就能在一根轴上把一组数据的中心位置、离散程度、偏态方向和极端值全部交代清楚。在 JMP 中，箱线图是 Distribution 平台的默认输出之一，与直方图并排显示，共同构成探索性数据分析的"双图组合"。

本系列共 7 篇，将由浅及深地系统讲解箱线图：从基础概念到四分位数计算，从图形变体到多组比较，从复杂场景到统计推断，最终落地到实战与避坑。本文作为第 1 篇，将建立对箱线图的正确认知，拆解它的每一个构成元素，并以芯片制造样本数据（1000 条记录、39 个字段）为操作对象，完成第一张箱线图的绘制与解读。