ggplot2 箱须图：显示 95% 置信区间并去除异常值答案

【问题标题】：ggplot2 box-whisker plot: show 95% confidence intervals & remove outliersggplot2 箱须图：显示 95% 置信区间并去除异常值
【发布时间】：2014-02-14 03:28:34
【问题描述】：

我想要一个类似于下图的箱形图。但不是默认值，我想呈现 (1) 95% 置信区间 和 (2) 没有异常值。

95% 置信区间可能意味着 (i) 扩展框并移除胡须，或 (ii) 仅具有均值和胡须并移除框。或者，如果人们对在这样的图中呈现 95% 置信区间有其他想法，我愿意接受建议。最终目标是在同一图上显示跨多个类别的数据的均值和置信区间。

set.seed(1234)
df <- data.frame(cond = factor( rep(c("A","B"), each=200) ), 
                   rating = c(rnorm(200),rnorm(200, mean=.8))
ggplot(df, aes(x=cond, y=rating, fill=cond)) + geom_boxplot() + 
    guides(fill=FALSE) + coord_flip()

图片及代码来源：http://www.cookbook-r.com/Graphs/Plotting_distributions_(ggplot2)/

【问题讨论】：

这不是一个好主意，因为它不再是一个箱形图，而且很可能会造成混淆。您可以轻松地将第 1 和第 3 分位数置于置信区间之外（这是样本大小的函数） - 所以晶须会被盒子覆盖！为什么不直接使用 geom_crossbar 或 geom_errorbar 或 geom_linerange？无论如何，这基本上是答案 - 只需使用不同的 geom's 构建您自己的箱线图元素。
我同意@AndyW 的观点，即不应改变箱线图的基本原理。 geom_errorbar 和 geom_violin 的组合可能适合您的目的。
@Jaap 不知何故我错过了这个！感谢您的 ping。

标签： r plot ggplot2

【解决方案1】：

我使用以下内容来显示 95% 的间隔。根据我读到的内容，盒子和胡须的用法并不少见，但这不是默认设置，因此您需要清楚地说明您在图表中显示的内容。

quantiles_95 <- 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
}

ggplot(df, aes(x=cond, y=rating, fill=cond)) +
    guides(fill=F) +
    coord_flip() +
    stat_summary(fun.data = quantiles_95, geom="boxplot")

不要使用geom_boxplot，而是使用stat_summary 和指定您要使用的限制的自定义函数：

"ymin"是下晶须的下限
"lower"是下框的下限
"middle" 是方框的中间（通常是中间值）
"upper"是上框的上限
"ymax" 是上晶须的上限。

在提供的函数 (quantiles_95) 中，内置 quantile 函数与自定义 probs 参数一起使用。如给定的那样，胡须将跨越 90% 的数据：从底部的 5% 到顶部的 95%。与往常一样，这些框将跨越中间两个四分位数，从 25% 到 75%。

您始终可以更改自定义函数以选择不同的分位数（甚至不使用分位数），但您需要非常小心。正如评论中所指出的，当人们看到一个盒子和胡须图时，会有一定的期望。如果你使用相同的形状图来传达不同的信息，你很可能会混淆人们。

如果你想去掉胡须，使"ymin" 等于"lower" 和"ymax" 等于"upper"。如果你想要所有的胡须没有盒子，设置"upper"和"lower"都等于"middle"（或者只使用geom_errorbars）。

【讨论】：

我认为这显示了 95% 的区间，而不是 95% 的 置信度 区间。我已经用Rmisc::CI 函数和统计测试验证了这个方法，它确实没有可视化预期的置信度区间。

【解决方案2】：

您可以通过将大小设置为 0 来隐藏异常值：

ggplot(df, aes(x=cond, y=rating, fill=cond)) + 
  geom_boxplot(outlier.size = 0) + 
  guides(fill=FALSE) + coord_flip()

您可以使用stat_summary 函数将均值添加到绘图中：

ggplot(df, aes(x=cond, y=rating, fill=cond)) + 
  geom_boxplot(outlier.size = 0) + 
  stat_summary(fun.y="mean", geom="point", shape=23, size=4, fill="white") +
  guides(fill=FALSE) + 
  coord_flip()

【讨论】：

这里没有提到置信区间