上下四分位数计算公式：统计学核心概念深度解析
在统计学与数据分析领域，上下四分位数是描述数据分布离散程度的关键指标。无论是学术研究、市场调查报告，还是日常的业务数据分析，理解如何准确计算第一四分位数（Q1）和第三四分位数（Q3）都是至关重要的基础技能。本文将深入探讨上下四分位数计算公式的多种版本，解析其在不同统计软件中的差异，并通过丰富的案例帮助您彻底掌握这一知识点。
四分位数是将一组数据从小到大排序后，分割成四个相等部分的三个分割点。
- 第一四分位数 (Q1)：又称下四分位数，表示25%的数据小于此数值。
- 第二四分位数 (Q2)：即中位数，表示50%的数据小于此数值。
- 第三四分位数 (Q3)：又称上四分位数，表示75%的数据小于此数值。
上下四分位数计算公式详解
关于上下四分位数计算公式，学术界和工业界存在多种定义方法。主要区别在于如何确定Q1和Q3的位置索引。以下是三种最常用的计算方法：
位置索引法：(n+1)
这种方法假设数据点分布在 1 到 n+1 的范围内。它常用于小样本数据或某些统计软件默认设置中。
计算公式：
- Q1 位置：
- Q3 位置：
如果位置 是整数，则取该位置的值；如果 是小数，则通过线性插值计算。例如，若 ，则 。
位置索引法：n
这种方法更直观，直接基于数据个数 n 进行分割。Excel 中的 QUARTILE.INC 函数（旧版 QUARTILE）即采用此逻辑的变体。
计算公式：
- Q1 位置：
- Q3 位置：
同样，如果位置不是整数，需要向上取整或进行插值处理。例如，当 n=4 时，Q1 位置为 1，Q3 位置为 3。当 n=5 时，Q1 位置为 1.25，Q3 位置为 3.75。
线性插值法 (Python/Numpy)
Python 的 NumPy 库默认使用线性插值法，这是一种更平滑的处理方式，适用于大数据集。
核心逻辑：
计算索引 ，其中 p 为分位数比例（Q1为0.25，Q3为0.75）。设 的整数部分为 ，小数部分为 ，则：
Q = X[k] + f (X[k+1] - X[k])
这种方法避免了在数据边界处的跳跃，使得统计量更加稳定。
实战演算：手动计算示例
为了清晰展示上下四分位数计算公式的应用，我们使用一组具体的数据进行演算。假设某班级 8 名学生的数学考试成绩如下（已排序）：
| 索引 (i) | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| 分数 (X) | 55 | 62 | 68 | 75 | 80 | 85 | 90 | 98 |
案例 A：使用 (n+1) 法计算
这里 n = 8。
- 计算 Q1 位置： 。
- 插值计算 Q1： Q1 位于第 2 个值 (62) 和第 3 个值 (68) 之间，权重为 0.25。
- Q1 值： 。
- 计算 Q3 位置： 。
- 插值计算 Q3： Q3 位于第 6 个值 (85) 和第 7 个值 (90) 之间，权重为 0.75。
- Q3 值： 。
案例 B：使用 n 法 (Excel QUARTILE.INC) 计算
这里 n = 8。
- 计算 Q1 位置： 。恰好是整数。
- Q1 值： 直接取第 2 个值，即 62。
- 计算 Q3 位置： 。恰好是整数。
- Q3 值： 直接取第 6 个值，即 85。
您可以看到，不同方法得出的结果略有差异（63.5 vs 62）。在实际应用中，务必确认所使用的软件或教材采用的具体算法。对于小样本数据，这种差异较为明显；对于大样本数据，差异通常可以忽略不计。
工具实现：Excel 与 Python
在实际工作中，我们很少手动计算。以下是使用主流工具计算上下四分位数的方法。
Excel 函数指南
假设数据位于 A1:A10 单元格。
- 计算 Q1 (下四分位数)：
=QUARTILE.INC(A1:A10, 1)或=QUARTILE(A1:A10, 1) - 计算 Q3 (上四分位数)：
=QUARTILE.INC(A1:A10, 3)或=QUARTILE(A1:A10, 3) - 计算 IQR (四分位距)：
=QUARTILE.INC(A1:A10, 3) - QUARTILE.INC(A1:A10, 1)
注意：如果您希望结果与 Minitab 一致，可能需要使用 QUARTILE.EXC 函数，或者手动编写插值公式。
Python Pandas 实现
使用 Pandas 库是处理数据科学任务的标准做法。
import pandas as pd创建示例数据
data = [55, 62, 68, 75, 80, 85, 90, 98] df = pd.DataFrame(data, columns=['Score'])计算 Q1 和 Q3
method='linear' 是默认值，类似于 Python 的 numpy
q1 = df['Score'].quantile(0.25) q3 = df['Score'].quantile(0.75) print(f"Q1: {q1}") print(f"Q3: {q3}") print(f"IQR: {q3 - q1}")
应用场景：箱线图与异常值检测
计算上下四分位数的最终目的，往往是为了构建箱线图 (Box Plot) 或检测异常值 (Outliers)。
箱线图的“箱子”左边缘为 Q1，右边缘为 Q3。箱子的高度代表了中间 50% 数据的分布密集程度。
IQR = Q3 - Q1。IQR 越大，说明数据越分散；IQR 越小，说明数据越集中。
通常使用 1.5 倍 IQR 规则：
- 上界：
- 下界：
任何大于上界或小于下界的数据点，都被视为潜在的异常值。
示例：识别异常值
沿用前文案例 B 的数据：Q1=62, Q3=85, IQR=23。
- 上界 =
- 下界 =
- 由于所有数据都在 [27.5, 119.5] 之间，因此该数据集无异常值。
网友们还关心：常见问题深度解答
除了基本的上下四分位数计算公式，用户在搜索过程中还经常关注以下周边知识。我们整理了高频率问题并进行深度解析。
Q: 为什么我的 Excel 结果和老师手算的不一样？
A: 这通常是因为算法版本不同。Excel 默认使用 QUARTILE.INC（包含法），而许多统计学教材（特别是入门教材）可能使用 (n+1) 法或简单的中位数分割法。建议检查课程要求的具体算法标准。如果是为了数据分析一致性，建议统一使用 Excel 的 INC 方法。
Q: 四分位数和中位数有什么区别？
A: 中位数（Q2）将数据分为两半，而四分位数将数据分为四份。Q1 是下半部分的中位数，Q3 是上半部分的中位数。相比中位数，四分位数提供了更多关于数据分布形态的信息，特别是数据的偏态和离散程度。
Q: IQR（四分位距）越大越好还是越小越好？
A: 没有绝对的“好”与“坏”，取决于分析目的。在质量控制中，小的 IQR 意味着过程稳定，产品质量一致性好；在投资分析中，大的 IQR 可能意味着高风险高波动。关键是理解 IQR 反映的是数据的离散程度。
Q: 如何处理含有重复值的数据集？
A: 上下四分位数计算公式对重复值没有特殊处理，重复值在排序后依然占据位置。例如，数据集 [1, 1, 1, 2, 2]，排序后不变，计算过程与所有值均不同时的逻辑完全一致。
掌握上下四分位数计算公式是数据分析入门的第一步。无论是通过手算理解其统计意义，还是利用 Excel、Python 等工具提高处理效率，核心都在于理解数据分布的分割逻辑。在实际应用中，请注意区分不同软件采用的算法差异，并结合箱线图和IQR进行更深入的数据洞察。