股票交易量可以用箱线图筛选异常值吗
1. 怎么在股票软件上看到箱体图
在K线分析图用鼠标右击主图.显选择主图指标再左击箱体点确定试下看
2. 如何看箱线图
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。
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。
3. 箱线图怎么分析
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。
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。
4. 箱形图为什么能检测异常值，原理是什么
箱形图可以用来观察数据整体的分布情况，利用中位数，25/%分位数，75/%分位数，上边界，下边界等统计量来来描述数据的整体分布情况。通过计算这些统计量，生成一个箱体图，箱体包含了大部分的正常数据，而在箱体上边界和下边界之外的，就是异常数据。
其中上下边界的计算公式如下：
UpperLimit=Q3+1.5IQR=75%分位数+（75%分位数-25%分位数）*1.5，
LowerLimit=Q1－1.5IQR=25%分位数-（75%分位数-25%分位数）*1.5
（将数据由小到大排序，处于中间的为中位数，即50%分位数，在75%位置的即为75%分位数或四分之三分位数——Q3，在25%位置的即为25%分位数或四分之一分位数——Q1）
参数说明：
1. Q1表示下四分位数，即25%分位数；Q3为上四分位数，即75%分位数；IQR表示上下四分位差，系数1.5是一种经过大量分析和经验积累起来的标准，一般情况下不做调整。
2. 分位数的参数可根据具体预警结果调整：25%和75%，是比较灵敏的条件，在这种条件下，多达25%的数据可以变得任意远而不会很大地扰动四分位。具体业务中可结合拟合结果自行调整为其他分位。
5. 箱线图的应用 举例
箱线图(Box plot)
箱线图概述
箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。
箱线图的绘制步骤
1、画数轴，度量单位大小和数据批的单位一致，起点比最小值稍小，长度比该数据批的全距稍长。
2、画一个矩形盒，两端边的位置分别对应数据批的上下四分位数（Q1和Q3）。在矩形盒内部中位数（Xm）位置画一条线段为中位线。
3、在Q3＋1.5IQR（四分位距）和Q1－1.5IQR处画两条与中位线一样的线段，这两条线段为异常值截断点，称其为内限；在F＋3IQR和F－3IQR处画两条线段，称其为外限。处于内限以外位置的点表示的数据都是异常值，其中在内限与外限之间的异常值为温和的异常值（mild outliers），在外限以外的为极端的异常值(extreme outliers)。
4、从矩形盒两端边向外各画一条线段直到不是异常值的最远点，表示该批数据正常值的分布区间。
5、用“〇”标出温和的异常值，用“＊”标出极端的异常值。相同值的数据点并列标出在同一数据线位置上，不同值的数据点标在不同数据线位置上。至此一批数据的箱线图便绘出了。统计软件绘制的箱线图一般没有标出内限和外限。
6. 箱式图的异常值
异常值又称离群值，指大于1.5倍四分位数间距的数值。处于1.5~3倍四分位数间距之间的异常值在箱式图中常用空心圆表示。
7. origin箱线图怎么剔除异常值
包装了一个异常值处理的代码，可以调用
_ef outliers_proc(data, col_name, scale=3):
? """
? 用于清洗异常值，默认box_plot(scale=3)进行清洗
? param data: 接收pandas数据格式
? param col_name: pandas列名
? param scale: 尺度
? """
?
? def box_plot_outliers(data_ser, box_scale):
? """
? 利用箱线图去除异常值
? :param data_ser: 接收 pandas.Series 数据格式
? :param box_scale: 箱线图尺度
? """
? iqr = box_scale * (data_ser.quantile(0.75) - data_ser.quantile(0.25))
? val_low = data_ser.quantile(0.25) - iqr
? val_up = data_ser.quantile(0.75) + iqr
? rule_low = (data_ser < val_low)
? rule_up = (data_ser > val_up)
? return (rule_low,rule_up),(val_low,val_up)
?
8. 箱形图的作用
箱形图又称为盒须图、盒式图或箱线图，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。在各种领域也经常被使用，常见于品质管理。它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。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
作用如下：
1、一批数据中的异常值值得关注，忽视异常值的存在是十分危险的，不加剔除地把异常值包括进数据的计算分析过程中，对结果会带来不良影响；重视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。箱形图为我们提供了识别异常值的一个标准。
2、比较标准正态分布、不同自由度的t分布和非对称分布数据的箱形图的特征，可以发现：对于标准正态分布的大样本，只有 0.7%的值是异常值,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。选取不同自由度的t分布的大样本，代表对称重尾分布，当t分布的自由度越小，尾部越重，就有越大的概率观察到异常值。
3、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。
9. 通过箱线图判断偏向
箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。
在箱图中，最上方和最下方的线段分别表示数据的最大值和最小值，其中箱图的上方和下方的线段分别表示第三四分位数和第一四分位数，箱图中间的粗线段表示数据的中位数。另外，箱图中在最上方和最下方的星号和圆圈分别表示样本数据中的极端值。
数据的形状
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。
以上内容参考：网络-箱形图
10. 编制箱线图可以了解到数据的什么
可以了解到数据的最大值和最小值。
什么是箱线图
箱线图，又名为盒须图，盒式图，通常用于展示一组数据的分布情况，因为主题形状像一个箱子，所以得名箱线图。它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。
箱线图是由美国著名的统计学家约翰.图基发明的，它主要展现了一组数据的几个关键数据点，包括最大值、最小值、中位数以及上下两个4分位数。也就是说，无论一组数据的量有多少，它只会在计算后，获取这几个计算后的数据来作为数据点，来绘制箱线图。
在箱线图中，箱子的中间有一条线，代表了数据的中位数。箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1），这意味着箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度，上下边缘则代表了该组数据的最大值和最小值。有时候箱子外部会有一些点，可以理解为数据中的“异常值”。
我们先看一个简单的箱线图应用，大家就应该很好理解了。分析不同学年、不同科目的学生成绩是箱线图的常见应用场景，下图中我们可以看到学生的英语成绩相对其它科目普遍较好，而数学则大部分都在80分以下。