boxplot() в R: Как да направя BoxГрафики в RStudio

boxplot() в R

boxplot() в R помага да се визуализира разпределението на данните по квартил и да се открие наличието на извънредни стойности. Можете да използвате геометричния обект geom_boxplot() от библиотеката ggplot2, за да начертаете boxplot() в R.

Ще използваме набора от данни за качеството на въздуха, за да въведем boxplot() в R с ggplot. Наборът от данни записва ежедневни измервания на качеството на въздуха в Ню Йорк от май до септември 1973 г. и съдържа 153 наблюдения. Ще използваме следните променливи:

• Озон: Числова променлива
• Вятър: Числова променлива
• Месец: май до септември. Числова променлива

Преди да нарисувате такава, е добре да знаете точно какво представлява всяка част от кутията.

Как да четем a Box Графика: Квартили, IQR и отклонения

Всеки елемент от боксова диаграма кодира едно число от обобщението от пет числа. Знанието кое кое е кое превръща диаграмата от декорация в анализ.

• Долна панта: първият квартил, Q1. Двадесет и пет процента от наблюденията са под него.
• Средна линия: втори квартил. Позицията му вътре в кутията разкрива асиметрия: линия, избутана към долната част, означава, че данните са асиметрични надясно.
• Горна панта: третият квартил, Q3. Седемдесет и пет процента от наблюденията са под него.
• Box височина: интерквартилният диапазон, IQR = Q3 – Q1, който обхваща средната половина на данните и е стандартната устойчива мярка за разпръскване.
• Мустаци: Те се простират до най-екстремното наблюдение, все още в рамките на 1.5 пъти междукварталния коефициент на отклонение на най-близкия пант. Те не са минимумът и максимумът.
• Точки отвъд мустаците: наблюдения, маркирани като отклонения от правилото 1.5 IQR.

Две предупреждения. Първо, „отклонение“ тук е статистически флаг, а не грешка: при асиметрично разпределение, като например концентрацията на озон, се очакват високи стойности и не трябва да се изтриват. Второ, квадратната диаграма скрива формата на разпределението, така че две групи с еднакви квадратчета могат да имат много различни основни данни. Добавянето на точки на трептене, както е показано по-долу, предпазва от това.

Box Графика срещу хистограма срещу графика за цигулка в R

И трите диаграми описват числово разпределение, но всяка от тях разкрива нещо, което останалите крият.

Често срещан компромис е да се начертае диаграма тип „цигулка“ с тясна кутия вътре в нея, което запазва формата на плътността и обобщението на квартилите в една диаграма. Вижте урок за хистограма за страната на бининга в сравнението.

Създаване на Box парцел

Преди да започнете да създавате своя първи boxplot() в R, трябва да манипулирате данните, както следва:

• Стъпка 1: Импортирайте данните
• Стъпка 2: Премахнете ненужните променливи
• Стъпка 3: Преобразувайте Месец в подреден делител
• Стъпка 4: Създайте нова категориална променлива, разделяйки всеки месец на три части: Начало, Среда и Край
• Стъпка 5: Премахнете липсващите наблюдения

Всички тези стъпки се извършват с dplyr и конвейерния оператор %>%.

library(dplyr)
library(ggplot2)
# Step 1
data_air <- airquality %>%

#Step 2
select(-c(Solar.R, Temp)) %>%

#Step 3
mutate(Month = factor(Month, order = TRUE, labels = c("May", "June", "July", "August", "September")), 
       
#Step 4 
day_cat = factor(ifelse(Day < 10, "Begin", ifelse(Day < 20, "Middle", "End"))))

Добра практика е да проверите структурата на данните с функцията glimpse().

glimpse(data_air)

Изход:

## Observations: 153
## Variables: 5
## $ Ozone   <int> 41, 36, 12, 18, NA, 28, 23, 19, 8, NA, 7, 16, 11, 14, ...
## $ Wind    <dbl> 7.4, 8.0, 12.6, 11.5, 14.3, 14.9, 8.6, 13.8, 20.1, 8.6...
## $ Month   <ord> May, May, May, May, May, May, May, May, May, May, May,...
## $ Day     <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,...
## $ day_cat <fctr> Begin, Begin, Begin, Begin, Begin, Begin, Begin, Begi...

Както Ozone, така и Solar.R съдържат NA стойности. Тъй като geom_boxplot() би ги премахнал безшумно и би извел предупреждение, е по-чисто да се премахнат изрично.

# Step 5
data_air_nona <-data_air %>% na.omit()	

Основна кутия

Сега начертайте разпределението на озона по месеци.

# Store the graph
box_plot <- ggplot(data_air_nona, aes(x = Month, y = Ozone))
# Add the geometric object box plot
box_plot +
    geom_boxplot()

Code Обяснение

• Съхранявайте графиката за по-нататъшна употреба
  • box_plot: базовата графика се съхранява в обекта box_plot, което ви позволява да добавяте слоеве по-късно, без да повтаряте цялото извикване
• Добавете геометричния обект
  • Предавате набора от данни data_air_nona на ggplot boxplot.
  • Вътре в аргумента aes() добавяте оста x и оста y.
  • Знакът + означава, че искате R да продължи да чете кода. Той прави кода по-четлив, като го разбива.
  • Използвайте geom_boxplot(), за да създадете квадратна графика

Изход:

Променете страната на графиката

Можете да обърнете страната на графиката.

box_plot +
  geom_boxplot()+
  coord_flip()

Code Обяснение

• box_plot: Използвате графиката, която сте съхранили. Той избягва пренаписването на всички кодове всеки път, когато добавяте нова информация към графиката.
• geom_boxplot(): нарисувай кутиите и мустаците
• coord_flip(): Обърнете страната на графиката

Изход:

Промяна на цвета на отклонението

Можете да промените цвета, формата и размера на извънредните стойности.

box_plot +
    geom_boxplot(outlier.colour = "red",
        outlier.shape = 2,
        outlier.size = 3) +
    theme_classic()

Code Обяснение

• outlier.colour=”red”: Контролирайте цвета на извънредните стойности
• outlier.shape=2: Промяна на формата на отклонението. 2 се отнася за триъгълник
• outlier.size=3: Променя размера на триъгълника. По-големите числа рисуват по-големи маркери.

Изход:

Добавяне на обобщена статистика

Можете да наслагвате обобщена статистика, като например средната стойност за групата, която самата диаграма на кутията не показва.

box_plot +
    geom_boxplot() +
    stat_summary(fun.y = mean,
        geom = "point",
        size = 3,
        color = "steelblue") +
    theme_classic()

Code Обяснение

• stat_summary() добавя изчислена статистика върху диаграмата тип „кутия“
• Аргументът fun контролира коя статистика се връща. Тук това е средната стойност. Обърнете внимание, че по-старият код използва fun.y, който ggplot2 е остарял във версия 3.3.0.
• Забележка: Налични са други статистически данни като мин. и макс. В една и съща графика могат да бъдат показани повече от една статистика
• geom = „точка“: Начертайте средната стойност с точка
• size=3: Размер на точката
• color =”steelblue”: Цвят на точките

Изход:

Box Парцел с точки

След това добавете слой с точкова диаграма върху кутиите. Всяка точка представлява едно наблюдение, което прави видим размера на извадката зад всяка кутийка.

box_plot +
    geom_boxplot() +
    geom_dotplot(binaxis = 'y',
        dotsize = 1,
        stackdir = 'center') +
    theme_classic()

Code Обяснение

• geom_dotplot() чертае по една точка на наблюдение, подредена във всеки контейнер
• binaxis='y': Променете позицията на точките по оста y. По подразбиране, оста x
• dotsize=1: Размер на точките
• stackdir='center': Начин за подреждане на точките: Четири стойности:
  • „нагоре“ (по подразбиране),
  • „Надолу“
  • "център"
  • „централно цяло“

Изход:

Контрол Естетика на Box парцел

Променете цвета на кутията

Можете да промените цветовете на групата.

ggplot(data_air_nona, aes(x = Month, y = Ozone, color = Month)) +
    geom_boxplot() +
    theme_classic()

Code Обяснение

• Цветовете на групите се контролират в aes() картатаpingМожете да използвате color=Month, за да промените цвета на кутията и диаграмата на мустаците според месеците.

Изход:

Box парцел с множество групи

Също така е възможно да добавите множество групи. Можете да визуализирате разликата в качеството на въздуха според деня на измерването.

ggplot(data_air_nona, aes(Month, Ozone)) +
    geom_boxplot(aes(fill = day_cat)) +
    theme_classic()

Code Обяснение

• Картата aes()ping на геометричния обект контролира групите за показване (тази променлива трябва да е фактор)
• aes(fill= day_cat) позволява създаване на три полета за всеки месец по оста x

Изход:

Box Графиране с трептящи точки

Друг начин за показване на отделни наблюдения е с трептящи точки. Трептенето е обичайният избор, когато категорична x-ос кара много точки да се озоват на една и съща позиция.

Този метод избягва припокриванетоping на дискретните данни.

box_plot +
    geom_boxplot() +
    geom_jitter(shape = 15,
        color = "steelblue",
        position = position_jitter(width = 0.21)) +
    theme_classic()

Code Обяснение

• geom_jitter() добавя малко произволно изместване към всяка точка, така че да се припокриватping ценностите стават видими.
• shape=15 променя формата на точките. 15 представлява квадратите
• color = “steelblue”: Променете цвета на точката
• position = position_jitter(width = 0.21): контролира колко странично са изместени точките, измерено в единици по оста x. Стойността по подразбиране е 40 процента от разстоянието между категориите.

Изход:

Можете да видите разликата между първата графика с метода на трептене и втората с точковия метод.

box_plot +
    geom_boxplot() +
    geom_point(shape = 5,
        color = "steelblue") +
    theme_classic()

назъбен Box парцел

Интересна характеристика на geom_boxplot() е функцията boxplot с вдлъбнатини в R. Графиката с вдлъбнатини стеснява полето около медианата. Основната цел на диаграмата с назъбена кутия е да се сравни значимостта на медианата между групите. Има убедителни доказателства, че две групи имат различни медиани, когато прорезите не се припокриват. Прорезът се изчислява, както следва:

Тук IQR е интерквартилният диапазон, а n е броят на наблюденията в групата. Степента обхваща приблизително 95-процентния доверителен интервал на медианата.

box_plot +
    geom_boxplot(notch = TRUE) +
    theme_classic()

Code Обяснение

• geom_boxplot(notch = TRUE): начертава кутията с прорези около медианата

Изход:

Как да добавите заглавия, етикети и персонализирани цветове към Box Графика в R

Графиките по-горе използват настройките по подразбиране на ggplot2, които вземат имената на променливите директно от рамката с данни. Публикуемата диаграма се нуждае от четливи етикети и обмислена палитра.

Заглавия и етикети на оси. Едно извикване на labs() задава всеки текстов елемент:

box_plot +
    geom_boxplot(fill = "coral", alpha = 0.7) +
    labs(title = "Ozone concentration by month",
        subtitle = "New York, May to September 1973",
        x = "Month",
        y = "Ozone (parts per billion)",
        caption = "Source: airquality dataset") +
    theme_classic()

Избор на собствени цветове. Използвайте scale_fill_manual(), когато запълването е картографирано вътре в aes(), и scale_colour_manual(), когато цветът е:

ggplot(data_air_nona, aes(x = Month, y = Ozone, fill = Month)) +
    geom_boxplot() +
    scale_fill_manual(values = c("#0e9cd1", "coral", "#7dc27d", "#c9a227", "grey60")) +
    theme_classic() +
    theme(legend.position = "none")

Легендата е изключена тук, защото оста x вече назовава всеки месец, така че повтарянето ѝ би загубило място.

Пренареждане на кутиите. Нивата на факторите определят реда по оста. Тъй като „Месец“ е създаден като подреден фактор, той вече се чете хронологично. За неподреден фактор, сортирайте по медианата:

ggplot(data_air_nona, aes(x = reorder(Month, Ozone, FUN = median), y = Ozone)) +
    geom_boxplot() +
    theme_classic()

Запазване на диаграмата. ggsave() записва последния график на диска с резолюция, която вие контролирате:

ggsave("ozone_boxplot.png", width = 8, height = 5, dpi = 300)

Box Графика в R: Code препратка

Таблицата по-долу изброява извикването на ggplot2 за всеки вариант на боксова диаграма, разгледан по-горе:

ggplot(df, aes(x = x1, y = y)) + geom_boxplot()

ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + coord_flip()

ggplot(df, aes(x = x1, y = y)) + geom_boxplot(notch = TRUE)

ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + geom_jitter(position = position_jitter(0.21))

ggplot(df, aes(x = x1, y = y, color = x1)) + geom_boxplot()

ggplot(df, aes(x = x1, y = y)) + geom_boxplot(aes(fill = x2))

ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + stat_summary(fun = mean, geom = "point")

Също така проверете: - R Урок за начинаещи: Научете езика за програмиране R

Въпроси и Отговори