📦
在线箱线图 — 数据分布可视化
免费在线绘制发表级箱线图（Boxplot）。支持多组比较，自动计算并标注显著性（t检验/Wilcoxon检验），直观展示中位数、四分位数和离群值。
📦 免费在线使用什么是箱线图（Boxplot）？
箱线图（Boxplot），又称盒须图，由统计学家John Tukey于1977年提出，是展示数据分布特征的经典可视化方法。它以五个统计量（最小值、第一四分位数Q1、中位数、第三四分位数Q3、最大值）为核心，直观展示数据的集中趋势、离散程度和异常值。
在生物信息学中，箱线图常用于展示基因表达水平在不同组间的分布，或比较不同样品的整体数据特征。它比单纯的均值±标准差条形图提供更多信息（如偏度、离群值），已被越来越多期刊推荐使用。
📌 箱线图的组成元素
- 箱体（Box）：从Q1到Q3，包含中间50%的数据
- 中位线：箱体内的横线，表示数据的中位数
- 须线（Whiskers）：延伸到1.5×IQR范围内的最远数据点
- 离群值（Outliers）：须线范围外的点，通常用圆点标记
- IQR（四分位距）：Q3 - Q1，衡量数据离散程度
什么时候使用箱线图？
🔬 典型应用场景
- 基因表达比较：展示某基因在不同组织/处理组中的表达分布
- 数据质控：检查不同样本测序数据的分布是否一致
- 临床指标比较：比较不同患者组的临床指标分布
- 批次效应检查：观察不同批次样本的表达值分布
- 多组比较：展示多组间的整体差异和变化趋势
- 论文图表：替代传统柱状图，提供更丰富的分布信息
如何使用在线箱线图工具
- 准备数据：准备包含分组信息和数值列的数据表
- 上传数据：上传CSV/Excel格式的数据
- 选择变量：指定分组变量和数值变量
- 设置统计检验：选择t检验、Wilcoxon检验或ANOVA
- AI辅助：用自然语言描述需求，AI自动完成参数配置
- 生成图表：一键生成带显著性标注的箱线图
💡 AI提示示例："帮我画出TP53基因在肿瘤和癌旁组织中的表达箱线图，用t检验比较两组差异，标注P值，肿瘤组用红色，正常组用蓝色。"
常见问题
- 箱线图和小提琴图有什么区别？
- 箱线图用五个统计量概括分布，简洁清晰。小提琴图展示了完整的概率密度分布，信息更丰富但较复杂。BioInfo AI两者都支持，可根据需求选择。
- 箱线图支持哪些统计检验？
- 支持t检验（两组比较）、Wilcoxon秩和检验（非参数）、ANOVA（多组比较）和Kruskal-Wallis检验。自动计算P值并在图上标注显著性水平（* P<0.05, ** P<0.01, *** P<0.001）。
- 离群值怎么处理？
- 默认显示离群值（超出1.5×IQR的点）。您也可以选择隐藏离群值，或使用AI指定自定义的离群值判断标准。
- 一个箱线图中最多支持多少组？
- 无硬性限制，但建议不超过10组以保持可读性。组数过多时建议使用分面（facet）展示。