R：在箱线图ggplot上显示平均值和中值标签

Posted 2023-03-24

【中文标题】R：在箱线图ggplot上显示平均值和中值标签

【英文标题】：R: Displaying mean and median labels on boxplot ggplot

【发布时间】：2019-04-02 22:34:39

【问题描述】：

我刚刚开始使用 R 并试图找出如何使用 ggplot 在箱形图上添加均值和中值标签。 我有一个数据集：单位、季度、天数：

dset <- read.table(text='Unit     Quarter  Days   Z  
HH       1Q      25  Y      
PA       1Q      28  N     
PA       1Q      10  Y     
HH       1Q      53  Y
HH       1Q      12  Y
HH       1Q      20  Y
HH       1Q      43  N
PA       1Q      11  Y
PA       1Q      66  Y
PA       1Q      54  Y      
PA       2Q      19  N
PA       2Q      46  Y
PA       2Q      37  Y
HH       2Q      22  Y      
HH       2Q      67  Y      
PA       2Q      45  Y
HH       2Q      48  Y
HH       2Q      15  N
PA       3Q      12  Y               
PA       3Q      53  Y      
HH       3Q      58  Y
HH       3Q      41  N
HH       3Q      18  Y
PA       3Q      26  Y
PA       3Q      12  Y
HH       3Q      63  Y
                   ', header=TRUE)

我需要按单位和季度显示数据，并创建一个显示平均值和中值的箱线图。 我的箱线图代码：

ggplot(data = dset, aes(x = Quarter
                       ,y = Days, fill = Quarter))  +
  geom_boxplot(outlier.shape = NA) + 
  facet_grid(. ~ Unit) + # adding another dimension
  coord_cartesian(ylim = c(10, 60)) + #sets the y-axis limits
  stat_summary(fun.y=mean, geom="point", shape=20, size=3, color="red", fill="red") + #adds average dot
  geom_text(data = means, aes(label = round(Days, 1), y = Days + 1), size = 3) + #adds average labels
  geom_text(data = medians, aes(label = round(Days, 1), y = Days - 0.5), size = 3) + #adds median labels
  xlab(" ") +
  ylab("Days") +
  ggtitle("Days") +
  theme(legend.position = 'none')

我可以使用 geom_text 函数添加均值和中值标签，但仅限于一维（“季度”），它需要预先计算均值和中值变量：

means <- aggregate(Days ~  Quarter, dset, mean)
medians <- aggregate(Days ~  Quarter, dset, median)

效果很好，我设法通过“单位”和“季度”计算了平均值和中值：

means <- aggregate(dset[, 'Days'], list('Unit' = dset$Unit, 'Quarter' = dset$Quarter), mean)
medians <- aggregate(dset[, 'Days'], list('Unit' = dset$Unit, 'Quarter' = dset$Quarter), median)

但我不知道如何将这些变量传递给 geom_text 函数以显示均值和中位数的标签。也许我应该以不同的方式计算平均值和中位数，或者还有其他选项如何添加这些标签。 如有任何建议，将不胜感激！

【问题讨论】：

看看这个***.com/questions/19876505/…

@prosoitos 我以前读过那篇文章，但它没有告诉你如果你使用二维，在我的例子中是“单位”和“季度”，如何获取标签。

在中位数和均值上添加标签也没什么

哦，对不起。我认为它会很有用

有什么帮助，你能帮忙解决另一个相应的问题吗？如果我想使用另一列“Z”找到数据子集的平均值，我应该如何更改 means <- aggregate(dset[, 'Days'], list('Unit' = dset$Unit, 'Quarter' = dset$Quarter), mean)？

【参考方案1】：

看起来问题在于，当您按“单位”和“季度”计算平均值和中值时，以前称为“天”的变量现在称为“x”。因此，只需更新您的 geom_text 命令以反映这一点。

ggplot(data = dset, aes(x = Quarter, y = Days, fill = Quarter))  +
  geom_boxplot(outlier.shape = NA) + 
  facet_grid(. ~ Unit) + # adding another dimension
  coord_cartesian(ylim = c(10, 60)) + #sets the y-axis limits
  stat_summary(fun.y=mean, geom="point", shape=20, size=3, color="red", fill="red") + #adds average dot
  geom_text(data = means, aes(label = round(x, 1), y = x + 1), size = 3) + #adds average labels
  geom_text(data = medians, aes(label = round(x, 1), y = x - 0.5), size = 3) + #adds median labels
  xlab(" ") +
  ylab("Days") +
  ggtitle("Days") +
  theme(legend.position = 'none')

【讨论】：

太棒了！谢谢莎拉！

你能帮忙解决另一个相应的问题吗？如果我想使用另一列“Z”找到数据子集的平均值，我应该如何更改 means <- aggregate(dset[, 'Days'], list('Unit' = dset$Unit, 'Quarter' = dset$Quarter), mean)？

我试过means <- aggregate(subset(dset[, 'Days', 'Z'], Z=="Y"), list('Unit' = dset$Unit, 'Quarter' = dset$Quarter), mean)，但它不起作用...

我想这就是你要找的：

【参考方案2】：

在回答您的第二个问题时，我认为您正在寻找类似的东西。此代码生成相同的图表，但仅限于子样本 Z = Y。

means <- aggregate(dset[, 'Days'][dset$Z=="Y"], list('Unit' = dset$Unit[dset$Z=="Y"], 'Quarter' = dset$Quarter[dset$Z=="Y"]), mean)
    medians <- aggregate(dset[, 'Days'][dset$Z=="Y"], list('Unit' = dset$Unit[dset$Z=="Y"], 'Quarter' = dset$Quarter[dset$Z=="Y"]), median)

ggplot(data = dset[dset$Z=="Y",], aes(x = Quarter, y = Days, fill = Quarter))  +
  geom_boxplot(outlier.shape = NA) + 
  facet_grid(. ~ Unit) + # adding another dimension
  coord_cartesian(ylim = c(10, 60)) + #sets the y-axis limits
  stat_summary(fun.y=mean, geom="point", shape=20, size=3, color="red", fill="red") + #adds average dot
  geom_text(data = means, aes(label = round(x, 1), y = x + 1), size = 3) + #adds average labels
  geom_text(data = medians, aes(label = round(x, 1), y = x - 0.5), size = 3) + #adds median labels
  xlab(" ") +
  ylab("Days") +
  ggtitle("Days") +
  theme(legend.position = 'none')

【讨论】：

这也很好用，谢谢！不过，我注意到如果我在 Z 列中有“NA”值，箱线图会显示 3 个图表：2 个表示单位，1 个表示“NA”。我还设法通过创建一个临时表来编写另一个选项：tdf <- subset(dset, Z=="Y", select = c('Days', 'Unit', 'Quarter'))，然后只使用“tdf”表而不是“dset”：means <- aggregate(tdf[, 'Days'], list('Unit' = tdf$Unit, 'Quarter' = tdf$Quarter), mean)

至于避免使用“NA”记录的图表，我稍微改变了这一行：ggplot(data = subset(dset, Z=="Y"), aes(x = Quarter, y = Days, fill = Quarter))...