四分位距（Interquartile Range, IQR）是一种描述统计学中的方法，用于衡量数据的离散程度，并且是一种稳健的统计量，对异常值具有较高的鲁棒性。IQR的计算方法是将数据集的第一个四分位数（Q1）和第三个四分位数（Q3）相减（IQR = Q3 − Q1）。它反映了数据集中间50%的数据的分布范围。
四分位距的用途包括构建箱形图、对概率分布进行简要图表概述、识别异常值等。在箱形图中，IQR用于确定异常值的标准，通常认为小于 Q1 - 1.5 × IQR 或大于 Q3 + 1.5 × IQR 的数据点是异常值。这种方法由 John Tukey 开发，他是探索性数据分析的先驱人物。
尽管四分位距是一种有用的度量方法，但它也有一些局限性。例如，它不考虑数据集的整体范围，因此可能无法捕捉到数据集中的所有异常值。此外，对于非对称分布的数据，IQR可能不如其他方法有效。在实际应用中，四分位距通常与其他统计方法结合使用，以获得更全面的数据分析结果。
在实际计算中，四分位数的位置可以通过公式确定，对于整数位置，直接取对应位置的数值；对于非整数位置，则取最接近的整数位置，并根据位置的权重计算四分位数的值。四分位距的计算可以通过手动方法或使用统计软件和编程语言（如Python的numpy库）来实现。
总的来说，四分位距是数据分析中一个重要的工具，它有助于识别数据中的异常值，并且对异常值具有较好的鲁棒性。然而，它也有局限性，需要结合其他方法和领域知识来全面理解数据。
