数据也存在异常值，这避免不了

虽说物以类聚，人与群分，但在人群里面仍存在少部分的另类。

数据也是这样。我们通过分类、标签区分各类数据，但在这类数据里面，也可能存在另类的数据，我们通常叫它为异常值。

异常值有时会出现在最左端，有时也会出现在最右端。可无论在哪一段，异常值的存在总是会影响我们的最终判断。这也是为什么，在体育比赛中通常会用去头去尾的方法来计分，目的就是尽可能避免异常值对结果的影响。

那平时我们在处理数据的时候，应该怎样摆脱异常数据呢？总不能一个一个的去找极大值和极小值呗，那样的话效率就太低了。

别急，四分位数可以帮我们解决这个难题。

四分位数是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。换句话说，这三个数值将数据四等分，分别叫做下四分位数（Q1）、中位数（Q2）与上四分位数（Q3）。它们各自所在位置的求解公式为：。

如果最后的结果是个整数，那么该四分位数的位置就在这里。如何非整数，那么它的位置就向上取整。

若把四分位数放在数据图表中，和其联系最为紧密的是箱线图。如下

比如上面这个箱线图。中间的长方形既是我们说的箱体，它代表的是四分位数。箱体中间的横线代表中位数，最上面的代表着上四分位数，最下面的代表着下四分位数。

箱体上下伸出的垂直部分称为“触须”，表示数据的散布范围，最远点为1.5倍四分位间距，超出这个范围的即为异常值。

同时，我们也不难发现，在各个箱线图中，不仅箱线图的长短各不相同，而且每个箱线图的触须长短也不同。但它们均有着同一个意义：箱线图越长，全距越大，数据波动也就越大。

这里有个新词，叫全距。全距指的是某组数据中极大值与极小值的差值，代表的就是全距。

好了，最后来总结一下：

1. 四分位数与箱线图联系最为紧密，而箱线图能帮我们定位到异常值并且直观的展示出来。
2. 箱体上下伸出的垂直部分称为“触须”，表示数据的散布范围，最远点为1.5倍四分位间距（），超出这个范围的即为异常值。
3. 箱线图越长，全距越大，数据波动也就越大。