R ggplot2 geom_boxplot 盒须图(Tukey 风格)

箱线图简洁地显示了连续变量的分布。它可视化五个汇总统计数据(中位数、两个铰链和两个胡须)，以及所有"outlying" 点。

用法

geom_boxplot(
  mapping = NULL,
  data = NULL,
  stat = "boxplot",
  position = "dodge2",
  ...,
  outlier.colour = NULL,
  outlier.color = NULL,
  outlier.fill = NULL,
  outlier.shape = 19,
  outlier.size = 1.5,
  outlier.stroke = 0.5,
  outlier.alpha = NULL,
  notch = FALSE,
  notchwidth = 0.5,
  varwidth = FALSE,
  na.rm = FALSE,
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE
)

stat_boxplot(
  mapping = NULL,
  data = NULL,
  geom = "boxplot",
  position = "dodge2",
  ...,
  coef = 1.5,
  na.rm = FALSE,
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE
)

参数

mapping

由 aes() 创建的一组美学映射。如果指定且inherit.aes = TRUE(默认)，它将与绘图顶层的默认映射组合。如果没有绘图映射，则必须提供mapping。

data

该层要显示的数据。有以下三种选择：

如果默认为 NULL ，则数据继承自 ggplot() 调用中指定的绘图数据。

data.frame 或其他对象将覆盖绘图数据。所有对象都将被强化以生成 DataFrame 。请参阅fortify() 将为其创建变量。

将使用单个参数(绘图数据)调用function。返回值必须是 data.frame ，并将用作图层数据。可以从 formula 创建 function (例如 ~ head(.x, 10) )。

position

位置调整，可以是命名调整的字符串(例如 "jitter" 使用 position_jitter )，也可以是调用位置调整函数的结果。如果需要更改调整设置，请使用后者。

...

其他参数传递给 layer() 。这些通常是美学，用于将美学设置为固定值，例如 colour = "red" 或 size = 3 。它们也可能是配对的 geom/stat 的参数。

outlier.colour, outlier.color, outlier.fill, outlier.shape, outlier.size, outlier.stroke, outlier.alpha

异常值的默认美学。设置为 NULL 以继承用于盒子的美学。

万一您同时指定了美国和英国的颜色拼写，则美国拼写优先。

有时隐藏异常值可能很有用，例如将原始数据点叠加在箱线图上时。隐藏异常值可以通过设置 outlier.shape = NA 来实现。重要的是，这不会删除离群值，而只是隐藏它们，因此为 y 轴计算的范围将与显示的离群值和隐藏的离群值相同。

notch

如果FALSE(默认)制作标准箱线图。如果是 TRUE ，则绘制缺口箱线图。缺口用于比较组；如果两个盒子的缺口不重叠，则表明中位数显著不同。

notchwidth

对于缺口箱线图，缺口相对于主体的宽度(默认为 notchwidth = 0.5 )。

varwidth

如果FALSE(默认)制作标准箱线图。如果是 TRUE ，则绘制框的宽度与组中观测值数量的平方根成正比(可能使用 weight 美学进行加权)。

na.rm

如果 FALSE ，则默认缺失值将被删除并带有警告。如果 TRUE ，缺失值将被静默删除。

orientation

层的方向。默认值 ( NA ) 自动根据美学映射确定方向。万一失败，可以通过将 orientation 设置为 "x" 或 "y" 来显式给出。有关更多详细信息，请参阅方向部分。

show.legend

合乎逻辑的。该层是否应该包含在图例中？ NA(默认值)包括是否映射了任何美学。 FALSE 从不包含，而 TRUE 始终包含。它也可以是一个命名的逻辑向量，以精细地选择要显示的美学。

inherit.aes

如果 FALSE ，则覆盖默认美学，而不是与它们组合。这对于定义数据和美观的辅助函数最有用，并且不应继承默认绘图规范的行为，例如borders() 。

geom, stat

用于覆盖 geom_boxplot() 和 stat_boxplot() 之间的默认连接。

coef

晶须的长度为 IQR 的倍数。默认为 1.5。

方向

该几何体以不同的方式对待每个轴，因此可以有两个方向。通常，方向很容易从给定映射和使用的位置比例类型的组合中推断出来。因此，ggplot2 默认情况下会尝试猜测图层应具有哪个方向。在极少数情况下，方向不明确，猜测可能会失败。在这种情况下，可以直接使用 orientation 参数指定方向，该参数可以是 "x" 或 "y" 。该值给出了几何图形应沿着的轴，"x" 是您期望的几何图形的默认方向。

统计汇总

下铰链和上铰链对应于第一和第三四分位数(第 25 个和第 75 个百分位数)。这与 boxplot() 函数使用的方法略有不同，并且对于小样本可能会很明显。有关如何计算 boxplot() 铰链位置的更多信息，请参阅boxplot.stats()。

上须线从铰链延伸到最大值，距离铰链不超过 1.5 * IQR(其中 IQR 是 inter-quartile 范围，或第一和第三四分位数之间的距离)。下部须线从铰链延伸至铰链的至多 1.5 * IQR 的最小值。超出晶须末端的数据称为 "outlying" 点，并单独绘制。

在缺口箱形图中，缺口延伸 1.58 * IQR / sqrt(n) 。这为比较中位数提供了大约 95% 的置信区间。请参阅McGill 等人。 (1978)了解更多细节。

美学

geom_boxplot() 理解以下美学(所需的美学以粗体显示)：

• x 或者 y

• lower 或者 xlower

• upper 或者 xupper

• middle 或者 xmiddle

• ymin 或者 xmin

• ymax 或者 xmax

• alpha

• colour

• fill

• group

• linetype

• linewidth

• shape

• size

• weight

在 vignette("ggplot2-specs") 中了解有关设置这些美学的更多信息。

计算变量

这些是由层的 'stat' 部分计算的，可以使用 delayed evaluation 访问。 stat_boxplot() 提供以下变量，其中一些取决于方向：

• after_stat(width)
  箱线图的宽度。

• after_stat(ymin) 或者 after_stat(xmin)
  下须须 = 大于或等于下须须的最小观测值 - 1.5 * IQR。

• after_stat(lower) 或者 after_stat(xlower)
  下铰链，25% 分位数。

• after_stat(notchlower)
  凹口下缘 = 中位数 - 1.58 * IQR /sqrt(n)。

• after_stat(middle) 或者 after_stat(xmiddle)
  中位数，50% 分位数。

• after_stat(notchupper)
  缺口上边 = 中位数 + 1.58 * IQR /sqrt(n)。

• after_stat(upper) 或者 after_stat(xupper)
  上铰链，75% 分位数。

• after_stat(ymax) 或者 after_stat(xmax)
  上胡须 = 小于或等于上胡须的最大观测值 + 1.5 * IQR。

参考

McGill, R.、Tukey, J. W. 和 Larsen, W. A. (1978) 箱线图的变体。 《美国统计学家》32, 12-16。

也可以看看

例子

p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot()

# Orientation follows the discrete axis
ggplot(mpg, aes(hwy, class)) + geom_boxplot()


p + geom_boxplot(notch = TRUE)
#> Notch went outside hinges
#> ℹ Do you want `notch = FALSE`?
#> Notch went outside hinges
#> ℹ Do you want `notch = FALSE`?

p + geom_boxplot(varwidth = TRUE)

p + geom_boxplot(fill = "white", colour = "#3366FF")

# By default, outlier points match the colour of the box. Use
# outlier.colour to override
p + geom_boxplot(outlier.colour = "red", outlier.shape = 1)

# Remove outliers when overlaying boxplot with original data points
p + geom_boxplot(outlier.shape = NA) + geom_jitter(width = 0.2)


# Boxplots are automatically dodged when any aesthetic is a factor
p + geom_boxplot(aes(colour = drv))


# You can also use boxplots with continuous x, as long as you supply
# a grouping variable. cut_width is particularly useful
ggplot(diamonds, aes(carat, price)) +
  geom_boxplot()
#> Warning: Continuous x aesthetic
#> ℹ did you forget `aes(group = ...)`?

ggplot(diamonds, aes(carat, price)) +
  geom_boxplot(aes(group = cut_width(carat, 0.25)))

# Adjust the transparency of outliers using outlier.alpha
ggplot(diamonds, aes(carat, price)) +
  geom_boxplot(aes(group = cut_width(carat, 0.25)), outlier.alpha = 0.1)


# \donttest{
# It's possible to draw a boxplot with your own computations if you
# use stat = "identity":
set.seed(1)
y <- rnorm(100)
df <- data.frame(
  x = 1,
  y0 = min(y),
  y25 = quantile(y, 0.25),
  y50 = median(y),
  y75 = quantile(y, 0.75),
  y100 = max(y)
)
ggplot(df, aes(x)) +
  geom_boxplot(
   aes(ymin = y0, lower = y25, middle = y50, upper = y75, ymax = y100),
   stat = "identity"
 )

# }