如何最好地显示具有多个异常值的大型数据集的分布？

Question

我有一个非常大的数据集（约300'000个数据点）及其子集（6000个数据点），它显示了封路前后代理商的行进时间差异（以秒为单位）。我想展示它们的分布差异。

但是，数据集如此之大，以至于离群值仍然如此之多，从箱线图中无法读取任何内容。当然，可以选择一个简单的表格，但是我相信，如果操作正确，图表可以更有效地了解两者之间的区别。

对于分析，真正有趣的是-1000和1000之间的区别。所以我想知道，简单地截断数据集是否可以，还是更适合转换数据？

Answer 1

因此，我听了您的评论并尝试了小提琴以及密度图。最终，密度图证明更加合适（并且更易于处理）。因此，结果如下：