箱线图在制造业中的应用：产品质量控制的利器，提升产品品质

# 1. 箱线图简介**

箱线图是一种可视化工具，用于展示一组数据的分布情况。它通过绘制一个矩形框和两条线段来表示数据的中位数、四分位数和极值。箱线图可以帮助我们快速了解数据分布的中心趋势、离散程度和异常值。

箱线图的矩形框表示数据的四分位数范围，即下四分位数（Q1）和上四分位数（Q3）。矩形框的长度表示数据的四分位数间距（IQR），即 IQR = Q3 - Q1。矩形框内的中线表示数据的**中位数**（Q2），它将数据分为两半。

# 2. 箱线图在制造业中的应用**

**2.1 产品质量控制**

箱线图在制造业中广泛应用于产品质量控制。它可以帮助识别异常值和异常情况，并比较不同组别的数据分布。

**2.1.1 检测异常值和异常情况**

异常值是明显偏离数据集中其他值的数据点。它们可能表示测量错误、异常情况或潜在的质量问题。箱线图的四分位间距（IQR）可以帮助识别异常值。IQR是上四分位数和下四分位数之间的差值。任何值小于下四分位数 - 1.5 * IQR或大于上四分位数 + 1.5 * IQR都可能被视为异常值。

import pandas as pd
import matplotlib.pyplot as plt

# 数据示例
data = [10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40]

# 计算四分位间距
iqr = pd.Series(data).iqr()

# 识别异常值
outliers = [x for x in data if x < pd.Series(data).quantile(0.25) - 1.5 * iqr or x > pd.Series(data).quantile(0.75) + 1.5 * iqr]

# 绘制箱线图
plt.boxplot(data)
plt.plot(outliers, 'ro', markersize=8)
plt.show()

**2.1.2 比较不同组别的数据分布**

箱线图还可以用来比较不同组别的数据分布。例如，可以比较不同生产线、不同供应商或不同时间段的产品质量数据。通过比较箱线图的形状、位置和离散程度，可以识别出不同组别之间的差异和趋势。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 数据示例
data = pd.DataFrame({
    '组别': ['A', 'B', 'C'],
    '数据': [10, 12, 14, 16, 18, 20, 22,