ggplot boxplot：异常值太多？答案

【问题标题】：ggplot boxplot: too many outliers?ggplot boxplot：异常值太多？
【发布时间】：2019-05-10 08:43:39
【问题描述】：

数据集在此处可用，但我仅使用 2010 年至 2016 年的数据集作为子集：https://www.kaggle.com/heesoo37/120-years-of-olympic-history-athletes-and-results/

我正在尝试用箱线图绘制不同性别的高度，它会返回此图：

我觉得这是不正确的，因为异常值太多......（平均值=175，最小值=133，最大值=221）。我想知道是否需要调整 Y 轴以在此箱线图中包含更多数据点？如果是这样，我该怎么做？

这是我的代码：

ggplot(data = olympics, aes(x = Sex, y = Height) +
 geom_boxplot() +
 labs(title= "Height Distribution of Olympics Athletes by Gender")

另外，我想知道是否也可以使用基本 R 语言绘制这样的图表？谢谢！

【问题讨论】：

数据链接失效。请使用例如提供它dput.
"我觉得这不正确，因为异常值太多...(mean=175, min=133, max=221)。"为什么你会有这种“感觉”？括号中的数字与您的“感受”有何关系？
只需在 R 中执行 dput(olympics) 并将输出粘贴到您的问题中。
该图很可能是正确的，您只是有那么多异常值，而 ggplots 的默认胡须长度是强制执行的。如果您想将晶须扩展到 1.5 的四分位数范围之外，您可以通过在对 boxplot 的调用中使用 coef 来实现。一个例子是输入ggplot(data = olympics, aes(x = Sex, y = Height) + geom_boxplot(coef = 10) + labs(title= "Height Distribution of Olympics Athletes by Gender")。注意：这当然只会改变您的数据的显示方式
我赞同@kath 和@Roland 的观点。如果您使用dput() 提供数据会容易得多。包括我在内的许多用户都不倾向于注册网站并手动下载数据集，因此如果您需要帮助，请让我们更轻松:)

标签： r ggplot2

【解决方案1】：

欢迎来到stackoverflow @VanLindert。获得帮助的最佳方式是为我们提供运行代码来复制问题。 datapasta 和 reprex 包使这很容易做到。 https://reprex.tidyverse.org/articles/articles/datapasta-reprex.html

我怀疑正在发生的事情是您正在重新调整 y 轴限制并且箱线图不断变化。当您使用 plot + scale_y_continuous(limits = c(130, 225)) 或简写 plot + ylim(130, 225) 时，ggplot 会过滤掉高于/低于 130 和 225 的值，并重新计算四分位数。如果您只想将绘图放大到特定范围，可以使用

plot + coord_cartesian(ylim = c(130, 225))

【讨论】：

请注意，在这两种方法中，您的图表不再反映基础数据！您实际上是在选择显示一个分布，该分布 - 相对于您的数据 - 在两个边缘都受到审查。
coord_cartesian() 将放大而不删除任何基础数据
是的，但是该图仍然存在偏差，因为它没有显示许多异常值。很难看出抑制这些数据点的原因，尤其是因为在这种情况下，它们被包含在计算盒子和胡须中