当前位置：文江博客话题详情

在ggplot2中，箱线图线的末尾代表什么？

发布于 2024-10-16 12:37:37 字数 196 浏览 2 评论 0原文

我找不到箱线图线条端点代表什么的描述。

例如，以下是线条结束处上方和下方的点值。在此处输入图像描述

（我意识到盒子的顶部和底部是第 25 个和第 75 个百分位，中心线是第 50 日）。我认为，由于线上方和下方有点，它们并不代表最大/最小值。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

病毒体 2024-10-23 12:37:37

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”。如果数据点为：

小于 Q1 - 1.5*IQR
大于 Q3 + 1.5*IQR

，则该点被归类为“异常值”。晶须定义为：

上晶须 = min(max(x), Q_3 + 1.5 * IQR)

下晶须 = max(min(x), Q_1 – 1.5 * IQR)

其中 IQR = Q_3 – Q_1，盒子长度。因此上须线位于最大 x 值和 Q_3 + 1.5 IQR 中较小的位置，
而下须线位于最小 x 值和 Q_1 – 1.5 IQR 中较大的位置。

其他信息

请参阅维基百科箱线图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 来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"

这给出了以下图：
在此处输入图像描述

当我们将范围从 1.7 减小到 1.5 时，我们减小了晶须的长度。但是，range=0 是一种特殊情况 - 它相当于“range=infinity”

The "dots" at the end of the boxplot represent outliers. There are a number of different rules for determining if a point is an outlier, but the method that R and ggplot use is the "1.5 rule". If a data point is:

less than Q1 - 1.5*IQR
greater than Q3 + 1.5*IQR

then that point is classed as an "outlier". The whiskers are defined as:

upper whisker = min(max(x), Q_3 + 1.5 * IQR)

lower whisker = max(min(x), Q_1 – 1.5 * IQR)

where IQR = Q_3 – Q_1, the box length. So the upper whisker is located at the smaller of the maximum x value and Q_3 + 1.5 IQR,
whereas the lower whisker is located at the larger of the smallest x value and Q_1 – 1.5 IQR.

Additional information

See the wikipedia boxplot page for alternative outlier rules.
There are actually a variety of ways of calculating quantiles. Have a look at `?quantile for the description of the nine different methods.

Example

Consider the following example

> 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"

This gives the following plot:
enter image description here

As we decrease range from 1.7 to 1.5 we reduce the length of the whisker. However, range=0 is a special case - it's equivalent to "range=infinity"

回复收藏 0 原文

誰ツ都不明白 2024-10-23 12:37:37

我认为 ggplot 使用标准默认值，与 boxplot 相同：“晶须延伸到最极端的数据点，该数据点距框的长度不超过框的 [1.5] 倍”

请参阅： boxplot.stats

回复收藏 0 原文

皇甫轩 2024-10-23 12:37:37

P1IMSA 教程 8 - 了解箱线图视频提供了一个直观的步骤 - (Tukey) 箱线图和须线图的逐步解释。

在 4 分 23 秒处，我解释了晶须末端的含义及其与 1.5*IQR 的关系。

尽管视频中显示的图表是使用 D3.js 而不是 R 渲染的，但其解释与提到的箱线图的 R 实现一致。

回复收藏 0 原文

烟沫凡尘 2024-10-23 12:37:37

正如 @TemplateRex 在评论中强调的那样，ggplot 不会在上/下四分位数加/减 1.5 倍 IQR 处绘制胡须。它实际上在 max(x[x < Q3 + 1.5 * IQR]) 和 min(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

Q3 = 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，异常值位于 x = 27 处）。

MWE
请注意，这不是我用来生成上面图像的确切代码，但它已经说明了要点。

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")

As highlighted by @TemplateRex in a comment, ggplot doesn't draw the whiskers at the upper/lower quartile plus/minus 1.5 times the IQR. It actually draws them at max(x[x < Q3 + 1.5 * IQR]) and min(x[x > Q1 + 1.5 * IQR]). For example, here is a plot drawn using geom_boxplot where I've added a dashed line at the value Q1 - 1.5*IQR:

Q1 = 52

Q3 = 65

Q1 - 1.5 * IQR = 52 - 13*1.5 = 32.5 (dashed line)

Lower whisker = min(x[x > Q1 + 1.5 * IQR]) = 35 (where x is the data used to create the boxplot, outlier is at x = 27).

MWE
Note this isn't the exact code I used to produce the image above but it gets the point over.

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")

回复收藏 0 原文

~没有更多了~