忽略 ggplot2 箱线图中的异常值

Question

如何忽略 ggplot2 箱线图中的异常值？我不只是希望它们消失（即 outlier.size=0），但我希望它们被忽略，以便 y 轴缩放以显示第 1/第 3 个百分位数。我的异常值导致“盒子”缩小得几乎是一条线。有一些技术可以解决这个问题吗？

编辑 这是一个示例：

y = c(.01, .02, .03, .04, .05, .06, .07, .08, .09, .5, -.6)
qplot(1, y, geom="boxplot")

Answer 1

使用 geom_boxplot(outlier.shape = NA) 来不显示异常值和 scale_y_continuous(limits = c(lower, upper)) 更改轴限制。

一个例子。

n <- 1e4L
dfr <- data.frame(
  y = exp(rlnorm(n)),  #really right-skewed variable
  f = gl(2, n / 2)
)

p <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot()
p   # big outlier causes quartiles to look too slim

p2 <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot(outlier.shape = NA) +
  scale_y_continuous(limits = quantile(dfr$y, c(0.1, 0.9)))
p2  # no outliers plotted, range shifted

实际上，正如 Ramnath 在他的回答中所表明的那样（Andrie也在评论中也表明了这一点），在计算统计数据后通过 coord_cartesian。

coord_cartesian(ylim = quantile(dfr$y, c(0.1, 0.9)))

（您可能仍然需要使用 scale_y_continuous 来修复轴中断。）

Answer 2

这是使用 boxplot.stats 的解决方案

# create a dummy data frame with outliers
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))


# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1
p1 = p0 + coord_cartesian(ylim = ylim1*1.05)

Answer 3

我遇到了同样的问题，并使用 boxplot.stats 预先计算了 Q1、Q2、中位数、ymin、ymax 的值：

# Load package and generate data
library(ggplot2)
data <- rnorm(100)

# Compute boxplot statistics
stats <- boxplot.stats(data)$stats
df <- data.frame(x="label1", ymin=stats[1], lower=stats[2], middle=stats[3], 
                 upper=stats[4], ymax=stats[5])

# Create plot
p <- ggplot(df, aes(x=x, lower=lower, upper=upper, middle=middle, ymin=ymin, 
                    ymax=ymax)) + 
    geom_boxplot(stat="identity")
p

结果是没有异常值的箱线图。

Answer 4

一种想法是在两遍过程中对数据进行winsorize ：

1. 运行第一遍，了解界限是什么，例如在给定百分位处切割，或高于平均值的N个标准差，或...

2. 在第二遍中，将超出给定界限的值设置为该界限的值

我应该强调，这是一种老式方法，应该由更现代稳健的技术主导，但您仍然会来跨越它很多。

Answer 5

gg.layers::geom_boxplot2 正是您想要的。

# remotes::install_github('rpkgs/gg.layers')
library(gg.layers)
library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot2(width = 0.8, width.errorbar = 0.5)

https://rpkgs.github.io/gg.layers/reference/geom_boxplot2。 html

Answer 6

如果您想强制胡须延伸到最大值和最小值，您可以调整 coef 参数。 coef 的默认值为 1.5（即晶须的默认长度是 IQR 的 1.5 倍）。

# Load package and create a dummy data frame with outliers 
#(using example from Ramnath's answer above)
library(ggplot2)
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))

# create boxplot where whiskers extend to max and min values
p1 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)), coef = 500)

Answer 7

ggplot2 3.5.0 中的新增功能是选项 outliers = FALSE。在计算 y 轴范围时，它不会计算异常值。

library(ggplot2)

p <- ggplot(mpg, aes(class, displ))

# Ignoring outliers
p + geom_boxplot(outliers = FALSE)

如果使用 outlier.shape = NA，您仍然可以将数据范围保留在 y 轴上 或异常值.alpha = 0。

# Hiding outliers
p + geom_boxplot(outlier.shape = NA)

^{创建于 2024 年 2 月 27 日，使用 reprex v2.1.0}

Answer 8

简单、肮脏、有效。
geom_boxplot(异常值.alpha = 0)

Answer 9

geom_boxplot 函数的“coef”选项允许根据四分位数范围更改异常值截止值。此选项记录在函数 stat_boxplot 中。要停用异常值（换句话说，它们被视为常规数据），可以指定一个非常高的截止值，而不是使用默认值 1.5：

library(ggplot2)
# generate data with outliers:
df = data.frame(x=1, y = c(-10, rnorm(100), 10)) 
# generate plot with increased cutoff for outliers:
ggplot(df, aes(x, y)) + geom_boxplot(coef=1e30)