R中的箱线图异常值标记

Question

我想在 R 中绘制箱线图并为异常值添加名称。到目前为止，我找到了this solution。

那里的功能提供了我需要的所有功能，但它错误地打乱了标签。在以下示例中，它将异常值标记为“u”而不是“o”：

library(plyr)
library(TeachingDemos)
source("http://www.r-statistics.com/wp-content/uploads/2011/01/boxplot-with-outlier-label-r.txt") # Load the function
set.seed(1500)
y <- rnorm(20)
x1 <- sample(letters[1:2], 20,T)
lab_y <- sample(letters, 20)
# plot a boxplot with interactions:
boxplot.with.outlier.label(y~x1, lab_y)

您知道任何解决方案吗？ ggplot2 库非常好，但没有提供这样的功能（据我所知）。我的替代方法是使用 text() 函数并从箱线图对象中提取异常值信息。但是，像这样标签可能会重叠。

非常感谢:-)

Answer 1

我用debug(boxplot.with.outlier.label) 看了一下，结果...函数中有一个bug。

错误发生在第 125 行，其中 data.frame DATA 由 x、y 和 label_name 构造而成。

以前的 x 和 y 已重新排序，而 lab_y 尚未重新排序。当x（您的x1）提供的值本身不正常时，您将获得您所经历的那种混乱。

作为一个即时修复，您可以像这样预购 x 值（或者做一些更优雅的事情）

df <- data.frame(y, x1, lab_y, stringsAsFactors=FALSE)
df <- df[order(df$x1), ]
# Needed since lab_y is not searched for in data (though it probably should be)
lab_y <- df$lab_y  

boxplot.with.outlier.label(y~x1, lab_y, data=df)

Answer 2

intelligent point label placement 是在here 或here 讨论的单独问题。没有终极和理想的解决方案，所以你只需要在那里选择一个。

所以你会用标签覆盖正常的箱线图，如下所示：

set.seed(1501)
y <- c(4, 0, 7, -5, rnorm(16))
x1 <- c("a", "a", "b", "b", sample(letters[1:2], 16, T))
lab_y <- sample(letters, 20)

bx <- boxplot(y~x1)

out_lab <- c()
for (i in seq(bx$out)) { 
    out_lab[i] <- lab_y[which(y == bx$out[i])[1]]
}

identify(bx$group, bx$out, labels = out_lab, cex = 0.7)

然后，在identify() 运行期间，您只需单击到您想要标签的位置， 如here 所述。完成后，您只需按“停止”。 请注意，每个异常值可以有多个标签！在我的解决方案中，我只是简单地选择了第一个！！

PS：我为 for 循环感到羞耻，但不知道如何对其进行矢量化 - 请随时发布改进。

编辑：受到Federico's link 的启发，现在我发现它可以更轻松地完成！就这两个命令：

boxplot(y~x1)
identify(as.integer(as.factor(x1)), y, labels = lab_y, cex = 0.7)