在某些情况下，箱线图提供更多分布摘要的事实也可以被视为优势。有时，当我们比较分布时，我们并不关心整体形状，而是关心分布相对于彼此的位置。并排绘制分位数可能是一种有用的方法，它不会分散我们可能不关心的其他细节的注意力。

在单变量情况下，箱线图确实提供了一些直方图没有的信息（至少，不是明确的）。也就是说，它通常提供不是异常值的中值、第 25 和第 75 个百分位数、最小值/最大值，并明确区分被认为是异常值的点。这都可以从直方图中“目测”（并且在异常值的情况下可能更好地目测）。

然而，更大的优势在于同时比较许多不同组的分布。对于 10 多个组，使用并列直方图是一项令人厌烦的任务，但使用箱形图非常容易。

正如您所提到的，小提琴图（或豆图）是更具信息性的替代方案。但是，它们比箱形图需要更多的统计知识（即，如果呈现给非统计受众，它可能会更令人生畏）并且箱形图的存在时间比核密度估计器要长得多，因此它们更受欢迎。

1. 如果我给你看一个直方图并问你中位数在哪里，你可能需要很长时间才能弄清楚……然后你只会得到一个近似值。如果我对箱线图做同样的事情，你会立即得到它；如果您对此感兴趣，那么箱线图显然会赢。

2. 我同意箱线图不如描述单个样本的分布有效，因为它们将其减少到几个点，这并不能告诉你很多。

   但是，如果您要比较几十个分布，拥有每个分布的所有详细信息可能比容易比较的信息更多——您可能希望将信息减少到要比较的较少数量的事物。

3. 如果信息越多越好，有很多比直方图更好的选择；例如，茎叶图或 ecdf / 分位数图。

   或者您可以将信息添加到直方图：

（来自这个答案的情节）

其中第一个——在边距上添加一个狭窄的箱线图——为您提供从任一显示中获得的任何好处。

条形图仅提供观察频率的范围，而箱形图更好地说明分布的几个参数所在的位置，例如条形图无法提供的均值和方差。如果一个有多个分布，箱线图因此被用作一种有效的比较工具。