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

箱線圖提供了識別異常值的一個標準：

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，?Qu稱為上四分位數，IQR稱為四分位數間距，是Qu上四分位數和QL下四分位數之差，其間包括了全部觀察值的一半。

箱線圖的各個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據集的以下重要性值：

中心位置：中位數所在的位置就是數據集的中心；

散布程度：箱線圖分為多個區間，區間較短時，表示落在該區間的點較集中；

對稱性：如果中位數位于箱子的中間位置，那么數據分布較為對稱；如果極值離中位數的距離較大，那么表示數據分布傾斜

一，繪制箱線圖

繪制箱線圖比較簡單，通常情況下，我們使用ggplot和geom_boxplot繪制箱線圖，在下面的小節中，我們使用ToothGrowth作為示例數據：

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，設置離群點(outlier)

geom_boxplot函數中有outlier開頭的多個參數，用于修改離群點的屬性：

outlier.colour：離群點的顏色

outlier.fill：離群點的填充色

outlier.shape：離群點的形狀

outlier.size：離群點的大小

outlier.alpha：離群點的透明度

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，設置箱線圖的顏色

通過aes(color=)函數可以為每個箱線圖設置一個顏色，而箱線圖的劃分是通過?aes(color=)函數的color參數來劃分的，劃分箱線圖之后，scale_color_*()函數才會起作用，該函數用于為每個箱線圖設置前景色和填充色，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，設置Legend 的位置

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

p

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

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

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

5，設置箱線圖的標題和坐標軸的名稱

通過labs設置箱線圖的標題和坐標的名稱，參數title用于設置標題，x和y用于設置x軸和y軸的標簽：

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

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

# 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，旋轉箱線圖

函數coord_flip()用于翻轉笛卡爾坐標系，使水平變為垂直，垂直變為水平，主要用于把顯示y條件x的geoms和統計信息轉換為x條件y。

p

二，異常值檢測

繪制散點圖，并標記異常值：

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)

當箱線圖中的異常值過多時，繪制的圖中，箱子被壓成一條線，無法觀察到數據的分布，這就需要移除異常值，只保留適量的離群點，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

對箱圖的排序，實際上，是對箱圖的x軸因子進行排序，而因子的順序是由因子水平決定的。在對箱圖進行排序時，可以按照數據的均值對x軸因子水平進行排序，重置數據框x軸的因子水平，就可以實現箱圖的排序：

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

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站內容還不錯，歡迎將生活随笔推薦給好友。