在 ggplot2 中，箱线图线的末端代表啥？

Posted 2023-02-16

【中文标题】在 ggplot2 中，箱线图线的末端代表啥？

【英文标题】：In ggplot2, what do the end of the boxplot lines represent?在 ggplot2 中，箱线图线的末端代表什么？

【发布时间】：2011-06-24 05:38:44

【问题描述】：

我找不到关于箱线图线的端点代表什么的描述。

例如，这里是线结束位置上方和下方的点值。

（我意识到盒子的顶部和底部分别是第 25 和第 75 个百分位数，而中心线是第 50 个百分位数）。我假设，因为线条上方和下方的点不代表最大/最小值。

【参考方案1】：

箱线图末尾的“点”代表异常值。确定一个点是否为异常值有许多不同的规则，但 R 和 ggplot 使用的方法是“1.5 规则”。如果一个数据点是：

小于 Q1 - 1.5*IQR 大于 Q3 + 1.5*IQR

然后该点被归类为“异常值”。晶须定义为：

上须线 = min(max(x), Q_3 + 1.5 * IQR)

下须 = max(min(x), Q_1 – 1.5 * IQR)

其中 IQR = Q_3 – Q_1，盒子长度。所以上须线位于最大 x 值和 Q_3 + 1.5 IQR 的较小处， 而下晶须位于最小 x 值和 Q_1 – 1.5 IQR 的较大处。

其他信息

请参阅wikipedia boxplot 页面了解替代异常值规则。 实际上有多种计算分位数的方法。查看 `?quantile 以了解 九种 不同方法的描述。

示例

考虑以下示例

> set.seed(1)
> x = rlnorm(20, 1/2)#skewed data
> par(mfrow=c(1,3))
> boxplot(x, range=1.7, main="range=1.7")
> boxplot(x, range=1.5, main="range=1.5")#default
> boxplot(x, range=0, main="range=0")#The same as range="Very big number"

这给出了以下情节：

当我们将范围从 1.7 减小到 1.5 时，我们会减少晶须的长度。然而，range=0 是一个特例——它等同于 "range=infinity"

【讨论】：

查看?boxplot 或?boxplot.stats 的帮助页面。 ggplot 使用标准 R 函数进行这些计算。

在 ggplot2 中，上须线计算为 max(x[x 类似。

@TemplateRex 是正确的。我添加了一个带有示例的答案，该示例显示了晶须值与使用 Q1 - 1.5*IQR

计算的值不同的地方

【参考方案2】：

我认为 ggplot 使用标准默认值，与 boxplot 相同：“胡须延伸到最极端的数据点，距离盒子不超过盒子长度的 [1.5] 倍”

见：boxplot.stats

【讨论】：

我称之为 Tukey 箱线图是为了避免与人们创建的无数其他类型的（更糟糕的）箱线图混淆。

据我了解?boxplot.stats，标准是+/-1.58 * IQR/sqrt(n) 而不是[1.5] times the length of the box。我是不是误会了什么？

@Henrik：你把胡须和凹口搞混了。

麦吉尔的论文可读性很强：lis.epfl.ch/~markus/References/McGill78.pdf

指向 McGill 论文的链接不再有效。我找不到新的（免费）链接。该论文可以从jstor.org/stable/2683468?seq=1#page_scan_tab_contents 下载，但价格为 14 美元（或者您需要有机构访问权限）。

【参考方案3】：

P1IMSA Tutorial 8 - Understanding Box and Whisker Plots 视频提供了 (Tukey) 盒须图的可视化分步说明。

在 4m 23s 我解释了胡须末端的含义及其与 1.5*IQR 的关系。

虽然视频中显示的图表是使用 D3.js 而不是 R 呈现的，但它的解释与提到的箱线图的 R 实现相吻合。

【参考方案4】：

正如@TemplateRex 在评论中强调的那样，ggplot 不会在上/下四分位数加/减 IQR 的 1.5 倍处绘制胡须。它实际上在 max(x[x Q1 + 1.5 * IQR]) 处绘制它们。例如，这是使用 geom_boxplot 绘制的图，其中我在值 Q1 - 1.5*IQR 处添加了一条虚线：

Q1 = 52

第三季度 = 65

Q1 - 1.5 * IQR = 52 - 13*1.5 = 32.5（虚线）

下须线 = min(x[x > Q1 + 1.5 * IQR]) = 35（其中 x 是用于创建箱线图的数据，离群值位于 x = 27）。

MWE 请注意，这不是我用来生成上图的确切代码，但它明白了这一点。

library("mosaic") # For favstats()

df <-  c(54, 41, 55, 66, 71, 50, 65, 54, 72, 46, 36, 64, 49, 64, 73, 
         52, 53, 66, 49, 64, 44, 56, 49, 54, 61, 55, 52, 64, 60, 54, 59, 
         67, 58, 51, 63, 55, 67, 68, 54, 53, 58, 26, 53, 56, 61, 51, 51, 
         50, 51, 68, 60, 67, 66, 51, 60, 52, 79, 62, 55, 74, 62, 59, 35, 
         67, 58, 74, 48, 53, 40, 62, 67, 57, 68, 56, 75, 55, 41, 50, 73, 
         57, 62, 61, 48, 60, 64, 53, 53, 66, 58, 51, 68, 69, 69, 58, 54, 
         57, 65, 78, 70, 52, 59, 52, 65, 70, 53, 57, 72, 47, 50, 70, 41, 
         64, 59, 58, 65, 57, 60, 70, 46, 40, 76, 60, 64, 51, 38, 67, 57, 
         64, 51)
df <- as.data.frame(df)


Q1 <- favstats(df)$Q1
Q3 <- favstats(df)$Q3

IQR <- Q3 - Q1

lowerlim <- Q1 - 1.5*IQR
upperlim <- Q3 + 1.5* IQR

boxplot_Tukey_lower <- min(df[df > lowerlim])
boxplot_Tukey_upper <- max(df[df < upperlim])



ggplot(df, aes(x = "", y = df)) +
  stat_boxplot(geom ='errorbar', width = 0.5) +
  geom_boxplot() + 
  geom_hline(yintercept = lowerlim, linetype = "dashed") +
  geom_hline(yintercept = upperlim, linetype = "dashed")

【讨论】：

感谢您的贡献。为您的情节提供确切的代码通常会有所帮助。 （不需要您拥有的主题调用和实验室标题，只需使用 ggplot() + geom_boxplot()。理想情况下，一个完全可重现的示例会很棒，例如在内置数据集上。也许尝试“reprex”包。

favstats 来自哪里？我想可能是马赛克包，所以我添加了调用，但是当我尝试重现它时这不起作用。

它是马赛克。不知道为什么它不适合你。

在新的 R 会话中（使用 reprex 包）：Q1 <- favstats(df)$Q1 #> Warning in fav_stats(x, ..., na.rm = na.rm): Auto-converting data.frame to #> numeric. #> Error in fav_stats(x, ..., na.rm = na.rm): 'list' object cannot be coerced to type 'double'

换句话说你的代码不起作用;)