在 r 中显示 80% 线箱线图

Question

我有一个只有数字的大型数据集（25,00 条记录），我想知道它的 80% 阈值。每当我尝试在其上运行boxplot(data) 时，结果并不清楚，因为我有很多值：

我试图绕过它并想出了boxplot(data, outline = FALSE)，结果如下：

所以基本上我想知道两件事：

1) 第二张图上面的线代表75%正确吗？如果是这样，那么我如何将 75% 更改为 80%。

2) 我不显示异常值的方式是否正确？或者也许有更简单的方法来显示 80% 的阈值？

很抱歉没有提供可重现的示例，但如果有必要，我会进行编辑。

Answer 1

我不建议您这样做，但您可以更改用于绘制箱线图的统计摘要，并将任何统计数据替换为您自己的统计数据。

例如，按照您的要求，在x 分布的 0.8 分位数处绘制框的上限（而不是在上铰链处），那么我们会这样做：

set.seed(10)
x <- rnorm(1000)
bps <- boxplot(x, plot = FALSE)

bps 现在包含：

> bps
$stats
             [,1]
[1,] -2.643849768
[2,] -0.677466940
[3,] -0.003001333
[4,]  0.728515646
[5,]  2.700636623

$n
[1] 1000

$conf
            [,1]
[1,] -0.07324983
[2,]  0.06724716

$out
[1] -3.001431  3.541140  3.012906 -3.012164

$group
[1] 1 1 1 1

$names
[1] "1"

我们要更改的是 stats 组件

## Replace the 4th statistic (upper box)
bps$stats[4, 1] <- quantile(x, probs = 0.8)

现在我们使用 bxp() 函数进行绘图 - boxplot() 在内部使用此函数，所以我们在这里没有做任何不同的事情

bxp(bps)

这会给我们：

红线是用

添加的

abline(h = fivenum(x)[4], col = "red", lty = "dashed", lwd = 2)

并且是上铰链，即boxplot() 将绘制盒子的上边缘。

我说我不建议你这样做的原因是它改变了人们对情节的期望。如果您确实修改了箱线图，则需要向显示该图的人解释您的新约定。

如果我们对此更加小心，我们现在也会将胡须推得更远，因为盒子的尺寸已经增加了。这将替换上下胡须

bps$stats[c(1,5), 1] <- bps$stats[c(2,4), 1] + 
    (c(-1,1) * (1.5 * diff(bps$stats[c(2,4), 1])))

并重新绘制：

bxp(bps)
abline(h = fivenum(x)[4], col = "red", lty = "dashed", lwd = 2)

给予

虽然现在你遇到了异常值的问题。所以我们也应该解决这个问题

ind <- bps$out > bps$stats[1,1] & bps$out < bps$stats[5,1]
bps$out <- bps$out[!ind]
bps$group <- bps$group[!ind]

最终产生

把所有这些放在一起，我们有：

set.seed(10)
x <- rnorm(1000)
bps <- boxplot(x, plot = FALSE)
bps$stats[4, 1] <- quantile(x, probs = 0.8)
bps$stats[c(1,5), 1] <- bps$stats[c(2,4), 1] + 
    (c(-1,1) * (1.5 * diff(bps$stats[c(2,4), 1])))
ind <- bps$out > bps$stats[1,1] & bps$out < bps$stats[5,1]
bps$out <- bps$out[!ind]
bps$group <- bps$group[!ind]

Answer 2

您可以通过自己生成统计数据并使用bxp 绘制它来实现这一点。

x <- rnorm(1000)
myBox <- list(stats = matrix(quantile(x, c(0, 0.2, 0.5, 0.8, 1), ncol = 1)), n = 1000)
bxp(myBox)

这将在第 20 和第 80 个百分位处有铰链，在最小值和最大值处有胡须。对于您的数据，您可能需要替代晶须，您可以使用替代分位数或相对于第 20 和第 80 个百分位数之间的范围创建一些距离。对于后者，您可以这样做：

myBox2 <- list(stats = matrix(quantile(x, c(0, 0.2, 0.5, 0.8, 1), ncol = 1)), n = 1000)
myBox2$stats[c(1, 5)] <- myBox2$stats[c(2, 4)] + seq(-1, 1, 2) * diff(llmyBox2$stats[c(2, 4)])

补充一点，我完全同意 Gavin 的观点，您需要向任何查看此修改后的箱线图的人解释它与通常的解释不同。

Answer 3

答案 1：方框上方的垂直线显示第三个四分位数，它可以但不必与 75% 的分位数有很大不同（见下面的 cmets）。如果您不确定，请咨询fivenum(data[,1]) 和quantile(data[,1])。 Nick K 和 Gavin Simpson 在他们的回答中向您展示了如何改变这一点，我同意他们的观点，如果您不了解箱线图，这样做是危险的。最标准的做法是更改boxplot 的range 参数，但您需要指出这一点。

Answer2：为了公正地处理您的数据，您应该显示两个图：第一个记录异常值，第二个记录分位数。 为了更好地表示一个图中的所有数据，您可以尝试 logscale：

boxplot(data, log="y")

这会给你一个 0 值的错误（你可能有），所以你可以先修改你的数据：

data[which(data<= 1e-3)] = 1e-3
boxplot(data, log="y")

你必须检查你的数据，如果这给你一个很好的情节。