OP 似乎存在的核心问题是它们有非常重的尾数据 - 我认为目前的大多数答案实际上根本没有解决这个问题，所以我正在推广我之前对答案的评论。

如果您确实想保留箱线图，下面列出了一些选项。我在 R 中创建了一些显示基本问题的数据：

 set.seed(seed=7513870)
 x <- rcauchy(80)
 boxplot(x,horizontal=TRUE,boxwex=.7)

数据的中间一半被缩减为几毫米宽的小条。同样的问题困扰着大多数其他建议 - 包括 QQ 图、条形图、蜂箱/蜂群图和小提琴图。

现在一些潜在的解决方案：

1)转换，

如果对数或倒数产生可读的箱线图，它们可能是一个非常好的主意，并且原始比例仍然可以显示在轴上。

最大的问题是有时没有“直观”的转换。还有一个较小的问题，虽然分位数本身可以很好地进行单调变换，但栅栏却没有。如果您只是对转换后的数据进行箱线图绘制（就像我在这里所做的那样），则晶须的 x 值将与原始图中的不同。

这里我使用了一个反双曲sin（asinh）；它在尾部有点像对数，类似于接近零的线性，但人们通常不觉得它是一种直观的转换，所以一般我不会推荐这个选项，除非像对数这样的相当直观的转换很明显。代码：

xlab <- c(-60,-20,-10,-5,-2,-1,0,1,2,5,10,20,40)
boxplot(asinh(x),horizontal=TRUE,boxwex=.7,axes=FALSE,frame.plot=TRUE)
axis(1,at=asinh(xlab),labels=xlab)

2) 比例中断 - 采用极端异常值并将它们压缩到两端的窄窗口中，其压缩比例比中心要大得多。如果你这样做，我强烈建议你在整个规模上完全打破。

opar <- par()
layout(matrix(1:3,nr=1,nc=3),heights=c(1,1,1),widths=c(1,6,1))
par(oma = c(5,4,0,0) + 0.1,mar = c(0,0,1,1) + 0.1)
stripchart(x[x< -4],pch=1,cex=1,xlim=c(-80,-5))
boxplot(x[abs(x)<4],horizontal=TRUE,ylim=c(-4,4),at=0,boxwex=.7,cex=1)
stripchart(x[x> 4],pch=1,cex=1,xlim=c(5,80))
par(opar)

3）修剪极端异常值（如果没有非常清楚地表明这一点，我通常不会建议这样做，但它看起来像下一个情节，两端没有“<5”和“2>”），以及

4）我称之为极端异常值的“箭头” - 类似于修剪，但在每一端指示修剪的值的计数

xout <- boxplot(x,range=3,horizontal=TRUE)$out
xin <- x[!(x %in% xout)]
noutl <- sum(xout<median(x))
nouth <- sum(xout>median(x))
boxplot(xin,horizontal=TRUE,ylim=c(min(xin)*1.15,max(xin)*1.15))
text(x=max(xin)*1.17,y=1,labels=paste0(as.character(nouth)," >"))
text(x=min(xin)*1.17,y=1,labels=paste0("< ",as.character(noutl)))

就我个人而言，我喜欢使用带抖动的带状图，至少可以感受一下数据。下面的图是 R 中的格子（抱歉不是 ggplot2）。我喜欢这些情节，因为它们很容易解释。正如您所说，其中一个原因是没有任何转换。

df <- data.frame(y1 = c(rnorm(100),-4:4), y2 = c(rnorm(100),-5:3), y3 = c(rnorm(100),-3:5))
df2 <- stack(df)
library(lattice)
stripplot(df2$values ~ df2$ind, jitter=T)

beeswarm包为stripplot提供了一个很好的替代方案（感谢@January 的建议）。

beeswarm(df2$values ~ df2$ind)

使用您的数据，因为它大致呈正态分布，在这种情况下，另一件要尝试的事情可能是 qqplot，qqnorm。

par(mfrow=c(1,3))
for(i in 1:3) { qqnorm(df[,i]); abline(c(0,0),1,col="red") }

您可以坚持使用箱线图。定义晶须有不同的可能性。根据尾部厚度、样本数量和对异常值的容忍度，您可以选择两个或多或少的极端分位数。鉴于您的问题，我会避免通过 IQR 定义胡须。
当然，除非你想转换你的数据，在这种情况下，这会使理解变得更加困难。

我认为这个问题是关于理解数据（而不是“管理”
数据）geom_violingeom_jitter