企业官网建设流程全解析

茎叶图这个东西，第一次见的人多半会觉得它有点“土”——一堆数字竖着排，中间一条竖线隔开，左边一位右边一串，看起来既不像正经图表，也不像能直接拿去汇报的东西。但我在实际做数据探查和分布诊断的时候，用它的频率反而比直方图还高。原因很简单：它把“形状”和“原始数值”同时保留下来了。直方图告诉你数据大概长什么样，但分箱一划，具体值就没了；箱线图告诉你四分位和异常值，但中间那坨数据怎么堆的，它说不清楚。茎叶图刚好卡在中间，既能一眼看出分布形态、集中趋势、离散程度，又能把每一个原始数据点原封不动地摆在你面前。

这篇内容适合谁看？如果你是刚接触数据分析、统计基础还在补课阶段的人，茎叶图是理解“分布”这个概念最便宜的工具，纸笔就能画；如果你已经天天跟数据打交道，但习惯性只丢给绘图库出图，那茎叶图在小样本快速诊断场景下能帮你省掉不少来回折腾的时间。全文我会从设计思路、构造细节、手工与代码两条实操路径、常见坑位排查几个角度拆开讲，尽量把每个“为什么这么设计”说透，而不是只给你一个画图公式。

1. 茎叶图到底解决什么问题：设计思路与方案取舍

1.1 从“看形状”和“看数值”这对矛盾说起

做数据分布诊断，本质上要回答两个问题：数据整体长什么样，以及具体每个值落在哪。这两件事在传统图表里往往是矛盾的。直方图为了画出形状，必须把连续区间切成若干箱，箱宽一旦定下来，箱内的个体差异就被抹平了。你看到某根柱子很高，只知道“这个区间里数据多”，但到底是集中在区间左端还是右端、有没有双峰被合并进同一个箱，光看柱子是看不出来的。反过来，如果你把原始数据一条条列出来，数值是全了，但几十上百个数排在一起，人眼根本抓不住形态。

茎叶图的设计思路就是用“茎”承担分箱的职责，用“叶”保留箱内的原始精度。举个最直白的例子，数据 23、25、27、31、34，以十位为茎、个位为叶，画出来是：

2 | 3 5 7 3 | 1 4

左边“2”代表 20 到 29 这个区间，右边“3 5 7”就是落在这个区间里的个位数。你既能看到 20 段有 3 个数据、30 段有 2 个数据（形状），又能精确读到 23、25、27 这些原始值（数值）。这就是它区别于直方图的核心价值——分箱不丢信息。

这个特性决定了它的适用边界：样本量小的时候它是神器，样本量大的时候它会“爆行”。你想想，如果有一千个数据，叶子那一列能排到天边去，可读性直接归零。所以业内比较一致的经验是，样本量在 20 到 200 之间是茎叶图最舒服的区间，超过这个范围就该考虑直方图或者密度图了。这不是硬规定，但你在实际用的时候会发现，超过两三百个数据，光是数叶子就够你受的。

1.2 为什么不用直方图或箱线图替代

有人会问，现在绘图库这么方便，直方图一行代码就出来了，为什么还要折腾茎叶图？我的回答是：它们回答的问题不一样，不是替代关系。

直方图的核心参数是箱宽（bin width），这个参数选得好不好，直接决定你看到的形状是不是真的。箱宽太宽，双峰会被糊成一个胖峰；箱宽太窄，噪声会被放大成一堆毛刺。而箱宽怎么选，本身就是一个需要经验判断的事，新手很容易在这里翻车。茎叶图没有这个烦恼，因为它的“箱”是由数据的数量级天然决定的——十位、百位、十分位，这些是数据自带的刻度，不需要你人为设定。换句话说，茎叶图把“分箱”这个主观决策变成了客观的进位规则，这对刚上手的人来说友好得多。

箱线图则是另一个极端，它把数据压缩成五个数（最小值、Q1、中位数、Q3、最大值），异常值单独标出来。它擅长的是快速比较多个组的分布位置和离散程度，但中间那 50% 的数据到底怎么堆的，它完全不告诉你。我遇到过不少情况，两组数据的箱线图看起来几乎一样，但茎叶图一画，一组是单峰对称，另一组是明显的双峰，后续的分析方向完全不同。所以我的习惯是：箱线图用来横向对比多组，茎叶图用来纵向深挖单组，两者配合着看，比单用任何一个都靠谱。

1.1 补充一句关于“手工友好”的价值

还有一点容易被忽略：茎叶图是少数不依赖任何工具就能画出来的统计图。纸笔、白板、甚至聊天窗口里打几行字，都能快速画一个出来。这在很多场景下非常实用——开会时临时要看一组数怎么分布，你不可能当场打开电脑跑代码，但你可以直接在白板上把茎叶图列出来，边列边讲。这种“低门槛即时可视化”的能力，是它至今没有被完全淘汰的重要原因。

2. 构造细节拆解：茎怎么定、叶怎么排、缩放怎么调

2.1 茎的选取：数量级决定一切

茎叶图构造的第一步，也是最关键的一步，是确定“茎”取哪一位。规则说起来简单：茎是数据的高位部分，叶是紧接着的那一位。但实际操作中，取哪一位需要看数据的分布范围。

假设数据范围是 12 到 89，那十位做茎、个位做叶是最自然的，茎从 1 到 8，一共 8 行，清爽。但如果数据范围是 112 到 189，十位做茎就不行了，因为所有数据的十位都是 1 到 8 里的某几个，茎的行数太少，叶子会挤成一团。这时候应该用百位和十位组合做茎（11、12、…、18），个位做叶。再极端一点，如果数据范围是 1.2 到 8.9，那就得用个位做茎、十分位做叶。

这里有个实操中很常见的坑：茎的位数不统一。比如数据里有 5、15、105，如果你机械地“取最高位做茎”，5 的茎是 5、15 的茎是 1、105 的茎是 1，画出来完全乱套。正确做法是先把所有数据对齐到同一数量级，该补零的补零，让茎的位数一致。5 要写成 005，茎取前两位“00”，叶取“5”；15 写成 015，茎“01”，叶“5”；105 茎“10”，叶“5”。这样画出来才是可比的。这个细节很多教程不讲，但你自己动手画一次就会立刻撞上。

2.2 叶的排序：升序是默认，但别盲目排

叶子在每一行里怎么排？标准做法是升序排列，这样每一行的最小值在最左、最大值在最右，配合茎的有序性，整个图从左上到右下就是全局有序的。这个有序性带来一个很实用的副产品：中位数可以直接从图上数出来。总共 n 个数据，从最小的叶子开始数到第 (n+1)/2 个（n 为奇数）或第 n/2 与 n/2+1 个的平均（n 为偶数），不用另外排序计算。

不过有一种情况我会故意不排序：当我想看数据进入的原始顺序时。比如做数据采集质量检查，我想知道后采集的数据是不是系统性偏大或偏小，这时候保持叶子按采集顺序排列，反而能看出时间趋势。这算是茎叶图的一个非主流用法，但确实好用。当然，正式出图给别人的时候还是老老实实升序，不然读者会看得很别扭。

2.3 茎叶缩放：一行不够就拆成多行

当某个茎下面的叶子太多，一行排不下或者挤得看不清时，就需要做茎叶缩放（stem-and-leaf scaling）。常见做法是把一个茎拆成两行或五行。

拆两行的规则是：第一行放叶子 0 到 4，第二行放叶子 5 到 9，两行共用同一个茎值，通常在第一行后面标个标记区分。拆五行的规则更细：分别放叶子 0-1、2-3、4-5、6-7、8-9。拆得越细，形状的分辨率越高，但行数也越多。

什么时候该拆？我的经验判断是：如果某一行叶子超过 15 个，或者整个图的行数少于 5 行，就该考虑拆了。行数太少意味着分辨率不够，形状看不出来；叶子太多意味着单行信息过载。这两个信号出现任何一个，缩放就是必要的。但也要注意别过度拆，拆到五行以上，图会变得很长，反而不好读。一般两行拆分能解决大部分问题。

2.4 一个完整的构造流程示例

拿一组具体数据走一遍。假设有 30 个观测值：

23, 25, 27, 31, 34, 35, 38, 41, 42, 44, 45, 47, 48, 51, 52, 53, 55, 56, 58, 61, 62, 64, 65, 67, 71, 73, 75, 78, 82, 85

第一步定茎：范围 23 到 85，十位做茎，茎从 2 到 8。第二步分叶：把每个数的个位挂到对应茎后面。第三步排序：每行叶子升序。结果：

2 | 3 5 7 3 | 1 4 5 8 4 | 1 2 4 5 7 8 5 | 1 2 3 5 6 8 6 | 1 2 4 5 7 7 | 1 3 5 8 8 | 2 5

看这个图能读出什么？中间 4、5、6 三行叶子最密，说明数据集中在 40 到 69 之间；两端 2 和 8 行叶子稀疏，尾部较轻；整体大致对称，略微右偏（高端拖得稍长一点）。中位数：30 个数据，第 15 和 16 个的平均，从图上数，第 15 个是 51、第 16 个是 52，中位数 51.5。这些信息在三十秒内就能读出来，这就是茎叶图在中小样本上的效率优势。

3. 实操落地：手工绘制与代码实现两条路径

3.1 手工绘制：纸笔场景下的标准动作

手工画茎叶图有一套固定动作，按顺序走不容易出错。

1. 扫描数据范围，确定最大值和最小值，据此决定茎取哪一位。
2. 列出所有可能的茎值，从最小茎到最大茎，竖着写一列，后面跟一条竖线。注意即使某个茎下面没有数据，也要保留这一行（留空），因为空缺本身也是分布信息——它告诉你这个区间是断档的。
3. 逐个读取数据，把叶挂到对应茎后面。这一步不要排序，先挂上去再说，避免边挂边排导致遗漏。
4. 每行叶子升序排列。排的时候用手指或笔尖点着数，防止漏排。
5. 检查总数。把所有叶子数一遍，必须等于原始数据个数。这一步是硬性校验，我见过太多人画完发现少了一两个数，回头找半天。

提示：手工绘制时，建议用方格纸或者等宽字体环境（比如代码块、记事本），因为茎叶图的对齐极其重要。比例字体下叶子宽度不一致，图会歪得没法看。

3.2 代码实现：Python 手工构造版

现成的统计库对茎叶图的支持其实不算好，很多库要么没有、要么输出格式不理想。我的做法是自己写一个几十行的构造函数，逻辑透明、格式可控。下面这个版本处理了前面提到的位数对齐和缩放问题：

def stem_leaf(data, stem_digits=1, scale=1): """ data: 数值列表 stem_digits: 茎占的位数（从最高位算起） scale: 1 表示不拆行，2 表示拆两行，5 表示拆五行 """ # 统一数量级：找到最大绝对值，确定需要补几位 max_abs = max(abs(x) for x in data) int_digits = len(str(int(max_abs))) if max_abs >= 1 else 1 # 计算叶的位数 leaf_digits = int_digits - stem_digits factor = 10 ** leaf_digits if leaf_digits > 0 else 1 buckets = {} for x in data: scaled = int(round(x / factor)) if factor > 1 else int(round(x)) stem = scaled // 10 if leaf_digits > 0 else scaled // 10 leaf = abs(scaled) % 10 buckets.setdefault(stem, []).append(leaf) lines = [] for stem in sorted(buckets): leaves = sorted(buckets[stem]) if scale == 1: lines.append(f"{stem:>{stem_digits}} | " + " ".join(map(str, leaves))) elif scale == 2: low = [l for l in leaves if l <= 4] high = [l for l in leaves if l >= 5] if low: lines.append(f"{stem:>{stem_digits}} | " + " ".join(map(str, low))) if high: lines.append(f"{stem:>{stem_digits}} | " + " ".join(map(str, high))) elif scale == 5: groups = [(0,1),(2,3),(4,5),(6,7),(8,9)] for lo, hi in groups: part = [l for l in leaves if lo <= l <= hi] if part: lines.append(f"{stem:>{stem_digits}} | " + " ".join(map(str, part))) return "\n".join(lines) sample = [23,25,27,31,34,35,38,41,42,44,45,47,48, 51,52,53,55,56,58,61,62,64,65,67,71,73,75,78,82,85] print(stem_leaf(sample, stem_digits=1, scale=1))

这段代码的核心逻辑就三步：缩放对齐、分桶、排序输出。factor那一段处理的是小数和不同数量级混排的情况，scale参数控制拆行。实测下来，这个函数在几百个数据以内跑得飞快，输出格式也干净，直接贴进文档就能用。

3.3 代码实现：借助成熟库的快捷路径

如果不想自己写，stemgraphic这个库可以直接出图，支持缩放和美化：

# pip install stemgraphic import stemgraphic data = [23,25,27,31,34,35,38,41,42,44,45,47,48, 51,52,53,55,56,58,61,62,64,65,67,71,73,75,78,82,85] fig, ax = stemgraphic.stem_graphic(data, scale=1)

它的好处是能直接生成带坐标轴的图形版本，适合放进报告；坏处是定制化程度不如自己写函数，输出格式受库的约束。我的建议是：快速探查用库，正式产出用自写函数，各取所需。

3.4 参数选择的经验法则

关于stem_digits和scale这两个参数怎么定，我总结了一个简单的判断表：

这张表不是金科玉律，但它覆盖了八成以上的日常场景。真正拿不准的时候，先按表画一版，看看行数和叶子密度，再决定要不要调。

4. 常见问题与排查技巧实录

4.1 叶子数对不上原始数据个数

这是最高频的问题，几乎每个手工画茎叶图的人都踩过。原因通常有三个：一是数据里有负数，取叶的时候符号处理错了；二是小数点的位置没对齐，某个数被挂到了错误的茎上；三是纯粹的数漏了。

排查顺序建议这样走：先数总叶子数，和原始数据个数比对；对不上就按茎逐行核对，看哪一行的叶子数和该区间的数据个数不符；锁定行之后，把该区间的原始数据单独列出来，和叶子逐个对。我自己的习惯是画之前先把数据排序，排序后挂叶，挂完再核对，这样漏数一眼就能看出来——排序后相邻的两个数如果茎相同但叶不连续，中间大概率漏了。

4.2 图形严重右偏或左偏，是不是数据有问题

不一定。偏态本身是数据分布的合法形态，收入、房价、响应时间这类数据天然右偏。但如果你预期数据应该对称，画出来却严重偏斜，那就要查两件事：是不是有极端值没处理，以及茎的位数是不是选错了。

极端值的影响很直接，一个 999 混在 20 到 80 的数据里，会把茎的范围硬生生拉到 99，中间一大片空行，图变得又长又稀。这时候要么单独标注极端值，要么先做截尾再画。茎位数选错的影响更隐蔽：如果数据实际范围是 100 到 180，你却用个位做茎，那所有数据的茎都是 0 到 8 里的某几个，叶子全是十位和百位，图会完全失去意义。判断方法很简单：画出来的茎如果只有个位数几行、叶子却密密麻麻，基本就是茎位数选少了。

4.3 双峰被误判成单峰

茎叶图在识别双峰上比直方图有优势，但前提是缩放要够细。如果两个峰靠得很近，不拆行的情况下可能看起来就是一个宽峰。我的经验是：当你在图上看到某一行叶子特别多、而且分布明显不均匀（比如左边密右边疏，或者中间有个明显的空档）时，就该拆行再看一遍。拆成两行或五行之后，原本糊在一起的峰往往会分开。

举个我实际遇到的例子：一组响应时间数据，不拆行时 3 字头那一行有 18 个叶子，看起来是个单峰。拆成两行后，3|0 1 1 2 2 3 3 4 和 3|5 6 7 8 8 9 9 9 明显是两个不同的聚集，前者是正常响应，后者是慢请求，后续排查方向完全不同。这个案例说明，缩放不是可选项，而是诊断深度的调节旋钮。

4.4 常见问题速查表

注意：负数处理是茎叶图的一个经典难点。比较稳妥的做法是正数和负数分开画两张图，各自按绝对值构造，然后在图标题里标明正负。混在一张图里处理符号，出错概率极高。

4.5 一个容易被忽略的校验技巧

画完茎叶图后，除了数叶子总数，还有一个快速校验法：用茎叶图反算中位数和极差，和原始数据直接算的结果比对。中位数从图上数，极差看最小茎最小叶和最大茎最大叶。两个数都对得上，基本可以确认图没画错。这个方法比逐个核对快得多，适合数据量中等（50 到 100）的场景。我现在的习惯是画完必做这一步，三十秒的事，能挡掉大部分低级错误。

5. 茎叶图在实际分析中的组合用法

5.1 和数据清洗流程的配合

茎叶图在数据清洗阶段的价值被严重低估了。清洗前先画一张，能快速暴露几类问题：异常值（孤零零挂在最上或最下的叶子）、数据断档（中间空行）、精度不一致（有的叶子是一位有的两位，说明数据来源不统一）。这些问题在表格里翻半天未必看得出来，但茎叶图一画，几秒钟就现形。

我通常的做法是：拿到原始数据先画茎叶图，把可疑区间记下来，再回到原始记录里核对。这比上来就跑描述统计更直观，因为描述统计只给你几个汇总数，而茎叶图给你的是全貌。

5.2 和直方图对照使用

前面说过两者不是替代关系，这里补充一个具体的对照用法：先用茎叶图定形状，再用直方图做呈现。茎叶图帮你判断分布是单峰还是双峰、偏态方向、尾部厚度，这些判断做完之后，你再决定直方图的箱宽怎么设——单峰对称可以设宽一点，双峰就必须设窄一点把两个峰分开。反过来，如果先画直方图，箱宽选错了，你可能根本意识不到有双峰，后面的判断全跟着错。这个顺序上的讲究，是我踩过坑之后才养成的习惯。

5.3 小样本场景下的效率优势

最后说一个很实际的场景：样本量在 20 到 50 之间的时候，茎叶图几乎是效率最高的分布诊断工具。这个量级下，直方图的箱宽怎么设都别扭——设宽了只有三四根柱子，形状出不来；设窄了每根柱子就一两个数，噪声比信号大。而茎叶图在这个量级下刚好每行三五个叶子，形状清晰、数值完整，画起来也就一两分钟。我做过一个粗略的对比，同样一组 40 个数据，从拿到数据到形成“分布是否对称、有无异常、集中区间在哪”这三个判断，茎叶图平均比直方图快将近一半，因为省掉了调箱宽和反复出图的时间。

这个效率优势在探索性分析的早期阶段特别值钱。那时候你对数据一无所知，需要的是快速试错、快速形成假设，而不是精雕细琢的成品图。茎叶图的“糙”在这个阶段反而是优点——它逼着你直接看数，而不是看经过平滑处理的图形，很多细节就是在看数的过程中被发现的。

我个人在实际操作中的体会是，工具没有高低之分，关键是搞清楚它擅长什么、不擅长什么。茎叶图不擅长大数据量、不擅长精美呈现、不擅长多组对比，但在中小样本的快速诊断上，它至今没有对手。把它放进你的工具箱，在合适的时候拿出来用，比盲目追新工具实在得多。