更改 geom_boxplot 中的晶须定义

Posted 2023-02-16

【中文标题】更改 geom_boxplot 中的晶须定义

【英文标题】：Changing whisker definition in geom_boxplot

【发布时间】：2011-06-13 12:32:46

【问题描述】：

我正在尝试使用 ggplot2 / geom_boxplot 生成一个箱线图，其中晶须被定义为第 5 个和第 95 个百分位数，而不是 0.25 - 1.5 IQR / 0.75 + IQR，并且像往常一样绘制这些新晶须的异常值。我可以看到 geom_boxplot 美学包括 ymax / ymin，但我不清楚我如何将值放在这里。好像是：

stat_quantile(quantiles = c(0.05, 0.25, 0.5, 0.75, 0.95))

应该能够提供帮助，但我不知道如何关联此统计数据的结果以设置适当的 geom_boxplot() 美学：

geom_boxplot(aes(ymin, lower, middle, upper, ymax))

我看过其他帖子，人们提到本质上是手动构建类似于箱线图的对象，但我宁愿保持整个箱线图格式塔完整，只是修改两个正在绘制的变量的含义。

【参考方案1】：

geom_boxplot 和 stat_summary 可以做到：

# define the summary function
f <- function(x) 
  r <- quantile(x, probs = c(0.05, 0.25, 0.5, 0.75, 0.95))
  names(r) <- c("ymin", "lower", "middle", "upper", "ymax")
  r


# sample data
d <- data.frame(x=gl(2,50), y=rnorm(100))

# do it
ggplot(d, aes(x, y)) + stat_summary(fun.data = f, geom="boxplot")

# example with outliers
# define outlier as you want    
o <- function(x) 
  subset(x, x < quantile(x)[2] | quantile(x)[4] < x)


# do it
ggplot(d, aes(x, y)) + 
  stat_summary(fun.data=f, geom="boxplot") + 
  stat_summary(fun.y = o, geom="point")

【讨论】：

kohske，这确实改变了胡须（谢谢！），但异常值消失了。

示例已更新：有多种方法可以做到这一点，但也许这是在 geom_point 中绘制异常值的最简单方法。

太棒了！ o 函数可能应该使用相同的 probs = c(0.05, 0.95)[1] / [2] 以便排除的点与胡须匹配。再次感谢。看来我需要了解更多关于 stat_summary 的信息。

是否可以在 ymin 和 ymax 中放置胡须？

在上面的代码中，将“subset(x....)”行替换为“subset(x, x quantile(x, 0.95)) "

【参考方案2】：

现在可以在ggplot2_2.1.0 中指定胡须端点。复制?geom_boxplot中的例子：

 # It's possible to draw a boxplot with your own computations if you
 # use stat = "identity":
 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"
  )

【参考方案3】：

基于@konvas 的回答，从ggplot2.0.x 开始，您可以使用ggproto 系统extend ggplot 并定义您自己的统计数据。

通过复制 ggplot2 stat_boxplot 代码并进行一些编辑，您可以快速定义一个新的统计数据 (stat_boxplot_custom)，它将您要用作参数的百分位数 (qs) 而不是 @987654330 stat_boxplot 使用的 @ 参数。新的统计数据在这里定义：

# modified from https://github.com/tidyverse/ggplot2/blob/master/R/stat-boxplot.r
library(ggplot2)
stat_boxplot_custom <- function(mapping = NULL, data = NULL,
                     geom = "boxplot", position = "dodge",
                     ...,
                     qs = c(.05, .25, 0.5, 0.75, 0.95),
                     na.rm = FALSE,
                     show.legend = NA,
                     inherit.aes = TRUE) 
  layer(
      data = data,
      mapping = mapping,
      stat = StatBoxplotCustom,
      geom = geom,
      position = position,
      show.legend = show.legend,
      inherit.aes = inherit.aes,
      params = list(
      na.rm = na.rm,
      qs = qs,
      ...
      )
  )

然后，定义层函数。请注意，我直接从stat_boxplot 复制了 b/c，您必须使用::: 访问一些内部 ggplot2 函数。这包括直接从StatBoxplot 复制的许多内容，但关键领域是直接从qs 参数计算统计数据：stats <- as.numeric(stats::quantile(data$y, qs)) 在compute_group 函数内部。

StatBoxplotCustom <- ggproto("StatBoxplotCustom", Stat,
  required_aes = c("x", "y"),
  non_missing_aes = "weight",

  setup_params = function(data, params) 
    params$width <- ggplot2:::"%||%"(
      params$width, (resolution(data$x) * 0.75)
    )

    if (is.double(data$x) && !ggplot2:::has_groups(data) && any(data$x != data$x[1L])) 
      warning(
        "Continuous x aesthetic -- did you forget aes(group=...)?",
        call. = FALSE
      )
    

    params
  ,

  compute_group = function(data, scales, width = NULL, na.rm = FALSE, qs = c(.05, .25, 0.5, 0.75, 0.95)) 

    if (!is.null(data$weight)) 
      mod <- quantreg::rq(y ~ 1, weights = weight, data = data, tau = qs)
      stats <- as.numeric(stats::coef(mod))
     else 
    stats <- as.numeric(stats::quantile(data$y, qs))
    
    names(stats) <- c("ymin", "lower", "middle", "upper", "ymax")
    iqr <- diff(stats[c(2, 4)])

    outliers <- (data$y < stats[1]) | (data$y > stats[5])

    if (length(unique(data$x)) > 1)
    width <- diff(range(data$x)) * 0.9

    df <- as.data.frame(as.list(stats))
    df$outliers <- list(data$y[outliers])

    if (is.null(data$weight)) 
      n <- sum(!is.na(data$y))
     else 
      # Sum up weights for non-NA positions of y and weight
      n <- sum(data$weight[!is.na(data$y) & !is.na(data$weight)])
    

    df$notchupper <- df$middle + 1.58 * iqr / sqrt(n)
    df$notchlower <- df$middle - 1.58 * iqr / sqrt(n)

    df$x <- if (is.factor(data$x)) data$x[1] else mean(range(data$x))
    df$width <- width
    df$relvarwidth <- sqrt(n)
    df
  
)

还有一个gist here，包含这个代码。

那么，stat_boxplot_custom 可以像stat_boxplot 一样被调用：

library(ggplot2)
y <- rnorm(100)
df <- data.frame(x = 1, y = y)
# whiskers extend to 5/95th percentiles by default
ggplot(df, aes(x = x, y = y)) +
  stat_boxplot_custom()
# or extend the whiskers to min/max
ggplot(df, aes(x = x, y = y)) +
  stat_boxplot_custom(qs = c(0, 0.25, 0.5, 0.75, 1))

【讨论】：

这个答案太好了！以上不适用于 facet_grid。这完美无缺。非常感谢！