箱線圖通過繪制觀測(cè)數(shù)據(jù)的五數(shù)總括，即最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)以及最大值，描述了變量值的分布情況。箱線圖能夠顯示出離群點(diǎn)(outlier)，離群點(diǎn)也叫做異常值，通過箱線圖能夠很容易識(shí)別出數(shù)據(jù)中的異常值。

箱線圖提供了識(shí)別異常值的一個(gè)標(biāo)準(zhǔn)：

異常值通常被定義為小于?QL- l.5 IQR?或者 大于?Qu+ 1.5 IQR的值，QL稱為下四分位數(shù)，?Qu稱為上四分位數(shù)，IQR稱為四分位數(shù)間距，是Qu上四分位數(shù)和QL下四分位數(shù)之差，其間包括了全部觀察值的一半。

箱線圖的各個(gè)組成部分的名稱及其位置如下圖所示：

箱線圖可以直觀地看出數(shù)據(jù)集的以下重要性值：

中心位置：中位數(shù)所在的位置就是數(shù)據(jù)集的中心；

散布程度：箱線圖分為多個(gè)區(qū)間，區(qū)間較短時(shí)，表示落在該區(qū)間的點(diǎn)較集中；

對(duì)稱性：如果中位數(shù)位于箱子的中間位置，那么數(shù)據(jù)分布較為對(duì)稱；如果極值離中位數(shù)的距離較大，那么表示數(shù)據(jù)分布傾斜

一，繪制箱線圖

繪制箱線圖比較簡(jiǎn)單，通常情況下，我們使用ggplot和geom_boxplot繪制箱線圖，在下面的小節(jié)中，我們使用ToothGrowth作為示例數(shù)據(jù)：

ToothGrowth$dose

head(ToothGrowth)

len supp dose1 4.2 VC 0.5

2 11.5 VC 0.5

3 7.3 VC 0.5

4 5.8 VC 0.5

5 6.4 VC 0.5

6 10.0 VC 0.5

1，繪制基本的箱線圖

使用geom_boxplot繪制基本的箱線圖：

library(ggplot2)

ggplot(ToothGrowth, aes(x=dose, y=len)) +geom_boxplot()

2，設(shè)置離群點(diǎn)(outlier)

geom_boxplot函數(shù)中有outlier開頭的多個(gè)參數(shù)，用于修改離群點(diǎn)的屬性：

outlier.colour：離群點(diǎn)的顏色

outlier.fill：離群點(diǎn)的填充色

outlier.shape：離群點(diǎn)的形狀

outlier.size：離群點(diǎn)的大小

outlier.alpha：離群點(diǎn)的透明度

示例代碼如下：

ggplot(ToothGrowth, aes(x=dose, y=len)) +geom_boxplot(outlier.colour="red", outlier.shape=8, outlier.size=4)

3，設(shè)置箱線圖的顏色

通過aes(color=)函數(shù)可以為每個(gè)箱線圖設(shè)置一個(gè)顏色，而箱線圖的劃分是通過?aes(color=)函數(shù)的color參數(shù)來劃分的，劃分箱線圖之后，scale_color_*()函數(shù)才會(huì)起作用，該函數(shù)用于為每個(gè)箱線圖設(shè)置前景色和填充色，顏色是自定義的：

scale_fill_manual() #forbox plot, bar plot, violin plot, etc

scale_color_manual() #for lines and points

以下代碼設(shè)置箱線圖的前景色：

ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +geom_boxplot()+scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))

4，設(shè)置Legend 的位置

說明(Legend)是對(duì)箱線圖的解釋性描述，默認(rèn)的位置是在畫布的右側(cè)中間位置，可以通過theme()函數(shù)修改Legend的位置，lengend.position的有效值是top、right、left、bottom和none，默認(rèn)值是right：

p

p+ theme(legend.position="top")

p+ theme(legend.position="bottom")

p+ theme(legend.position="none") # Remove legend

5，設(shè)置箱線圖的標(biāo)題和坐標(biāo)軸的名稱

通過labs設(shè)置箱線圖的標(biāo)題和坐標(biāo)的名稱，參數(shù)title用于設(shè)置標(biāo)題，x和y用于設(shè)置x軸和y軸的標(biāo)簽：

ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +geom_boxplot()+scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme(legend.position="right")+labs(title="Plot of length per dose",x="Dose (mg)", y = "Length")

6，繪制箱線圖的散點(diǎn)

通過geom_point函數(shù)，向箱線圖中添加點(diǎn)，geom_jitter()函數(shù)是geom_point(position = "jitter")的包裝，binaxis="y"是指沿著y軸進(jìn)行分箱：

# Box plot with dot plot

p+ geom_dotplot(binaxis='y', stackdir='center', dotsize=1)

# Box plot with jittered points

#0.2 : degree of jitter inx direction

p+ geom_jitter(shape=16, position=position_jitter(0.2))

7，旋轉(zhuǎn)箱線圖

函數(shù)coord_flip()用于翻轉(zhuǎn)笛卡爾坐標(biāo)系，使水平變?yōu)榇怪?#xff0c;垂直變?yōu)樗?#xff0c;主要用于把顯示y條件x的geoms和統(tǒng)計(jì)信息轉(zhuǎn)換為x條件y。

p

二，異常值檢測(cè)

繪制散點(diǎn)圖，并標(biāo)記異常值：

ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +geom_boxplot(outlier.colour="red", outlier.shape=7,outlier.size=4)+scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme(legend.position="right")+labs(title="Plot of length per dose",x="Dose (mg)", y = "Length")+geom_dotplot(binaxis='y', stackdir='center', stackratio=1.5, dotsize=1.2)

當(dāng)箱線圖中的異常值過多時(shí)，繪制的圖中，箱子被壓成一條線，無法觀察到數(shù)據(jù)的分布，這就需要移除異常值，只保留適量的離群點(diǎn)，常見的做法是改變ylim的范圍，代碼是：

# compute lower and upper whiskers

ylim1= boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1

ggplot()+ gemo_box() + coord_cartesian(ylim = ylim1*1.05)

三，箱圖的排序

對(duì)箱圖的排序，實(shí)際上，是對(duì)箱圖的x軸因子進(jìn)行排序，而因子的順序是由因子水平?jīng)Q定的。在對(duì)箱圖進(jìn)行排序時(shí)，可以按照數(shù)據(jù)的均值對(duì)x軸因子水平進(jìn)行排序，重置數(shù)據(jù)框x軸的因子水平，就可以實(shí)現(xiàn)箱圖的排序：

x_order %group_by(x_factor)%>%summarize(mean_y=mean(y_value))%>%ungroup()%>%arrange(desc(mean_y))%>%

select(x_factor);

df$x_factor

參考文檔：

總結(jié)

以上是生活随笔為你收集整理的ggplot2箱式图两两比较_R绘图 第四篇：绘制箱图（ggplot2）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。