在数据可视化里，箱线图（boxplot）几乎成了连续型变量分布的标准配置。但有一个被严重低估的事实：箱线图会系统地隐藏你的数据形状。

Tukey在1977年发明箱线图时，它的目的是「快速扫描离群点和位置」，不是描述分布形态。但今天的研究者几乎默认用它来代表「数据的全貌」。这是危险的——因为箱线图只保留五个数字：最小值、Q1、中位数、Q3、最大值。它把中间的一切都压扁了。

举个例子：两组数据，一组是均匀分布（U形），一组是双峰分布（两个峰）。它们的箱线图几乎一模一样——同样的中位数、同样的四分位距、同样的须。但它们的科学含义完全不同：U形分布可能意味着「极端化」现象，双峰分布可能意味着「两个亚群」的存在。如果你只看箱线图，你会得出「这两组数据相似」的错误结论。

这正是Anscombe’s quartet（1973）的核心教训的现代版本：同一个汇总统计量可以对应完全不同的数据结构。而小提琴图（violin plot，Hintze & Nelson, 1998）之所以是更好的默认选择，是因为它用核密度估计（KDE）把分布的形状画出来了——它保留了数据的「呼吸」。

我在复现一个心理语言学实验时遇到过真实的案例：原始论文报告两组反应时的箱线图看起来「没有显著差异」，但当我画出小提琴图后，发现实验组的分布是明显的双峰——一半被试反应极快，一半极慢。这个双峰结构意味着实验操纵可能只对一部分人有效，而这在箱线图里完全看不见。

当然，小提琴图也有自己的陷阱：KDE的带宽选择会影响形状，小样本时容易过度平滑。所以我的建议是：永远把箱线图和小提琴图叠加在一起画（比如用geom_boxplot + geom_violin），或者至少报告原始数据点（如strip plot / beeswarm）。

值得辩论的问题：当我们的期刊和审稿人仍然默认要求「标准箱线图」时，我们有责任为了「可读性」而牺牲分布形状的信息吗？还是说，数据可视化应该像统计方法一样，遵循「默认即保守」的原则——默认展示最多信息，而不是最少？