boxplot() u R: Kako napraviti BoxCrteži u RStudio-u

boxplot() u R

boxplot() u R pomaže vizualizirati distribuciju podataka po kvartilu i otkriti prisutnost outliera. Možete koristiti geometrijski objekt geom_boxplot() iz biblioteke ggplot2 za crtanje boxplot() u R.

Koristit ćemo skup podataka o kvaliteti zraka za uvođenje boxplot() u R s ggplot. Skup podataka bilježi dnevna mjerenja kvalitete zraka u New Yorku od svibnja do rujna 1973. i sadrži 153 opažanja. Koristit ćemo sljedeće varijable:

• Ozon: Numerička varijabla
• Vjetar: Numerička varijabla
• Mjesec: od svibnja do rujna. Numerička varijabla

Prije crtanja, vrijedi znati točno što svaki dio kutije predstavlja.

Kako čitati a Box Grafikon: Kvartili, IQR i outlieri

Svaki element kutijastog dijagrama kodira jedan broj iz sažetka od pet brojeva. Poznavanje koji je koji pretvara grafikon iz dekoracije u analizu.

• Donja šarka: prvi kvartil, Q1. Dvadeset pet posto opažanja nalazi se ispod njega.
• Središnja linija: drugi kvartil. Njegov položaj unutar okvira otkriva asimetriju: linija pomaknuta prema dnu znači da su podaci asimetrični udesno.
• Gornja šarka: treći kvartil, Q3. Sedamdeset pet posto opažanja nalazi se ispod njega.
• Box visina: interkvartilni raspon, IQR = Q3 – Q1, koji sadrži srednju polovicu podataka i standardna je robusna mjera raspršenosti.
• Brkovi: protežu se do najekstremnijeg opažanja koje je još uvijek unutar 1.5 puta IQR najbližeg šarnira. Oni nisu minimum i maksimum.
• Točke iza brkova: opažanja označena kao outlieri prema tom 1.5 IQR pravilu.

Dva upozorenja. Prvo, "autlier" ovdje je statistička zastavica, a ne pogreška: u asimetričnoj distribuciji poput koncentracije ozona očekuju se visoke vrijednosti i ne bi se trebale brisati. Drugo, dijagram kutije skriva oblik distribucije, pa dvije skupine s identičnim kutijama mogu imati vrlo različite temeljne podatke. Dodavanje točaka podrhtavanja, kao što je prikazano dolje, štiti od toga.

Box Grafikon vs. histogram vs. graf violine u R-u

Sva tri grafikona opisuju numeričku distribuciju, ali svaki otkriva nešto što ostali skrivaju.

Uobičajeni kompromis je crtanje dijagrama violine s uskim dijagramom kutije unutar njega, koji zadržava oblik gustoće i sažetak kvartila u jednom grafikonu. Vidi vodič za histogram za binning stranu usporedbe.

stvoriti Box Zemljište

Prije nego počnete stvarati svoj prvi boxplot() u R-u, morate manipulirati podacima na sljedeći način:

• Korak 1: Uvezite podatke
• Korak 2: Izbacite nepotrebne varijable
• Korak 3: Pretvorite Mjesec u uređeni faktor
• Korak 4: Izradite novu kategoričku varijablu koja svaki mjesec dijeli na tri dijela: Početak, Sredina i Kraj
• Korak 5: Uklonite zapažanja koja nedostaju

Svi ovi koraci izvode se s dplyr i operatorom cjevovoda %>%.

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"))))

Dobra praksa je provjeriti strukturu podataka pomoću funkcije glimpse().

glimpse(data_air)

Izlaz:

## 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...

I Ozone i Solar.R sadrže NA vrijednosti. Budući da bi ih geom_boxplot() tiho odbacio i ispisao upozorenje, čišće ih je eksplicitno ukloniti.

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

Osnovna kutijasta parcela

Sada prikažite raspodjelu ozona po mjesecima.

# 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 Objašnjenje

• Pohranite grafikon za daljnju upotrebu
  • box_plot: osnovni grafikon pohranjen je u objektu box_plot, što vam omogućuje kasnije dodavanje slojeva bez ponavljanja cijelog poziva
• Dodajte geometrijski objekt
  • Proslijedite skup podataka data_air_nona u ggplot boxplot.
  • Unutar aes() argumenta dodajete x-os i y-os.
  • Znak + znači da želite da R nastavi čitati kod. Čini kôd čitljivijim razbijanjem.
  • Upotrijebite geom_boxplot() za izradu okvirnog dijagrama

Izlaz:

Promijenite stranu grafikona

Možete okrenuti stranu grafikona.

box_plot +
  geom_boxplot()+
  coord_flip()

Code Objašnjenje

• box_plot: Koristite graf koji ste pohranili. Izbjegava ponovno pisanje svih kodova svaki put kada dodate nove informacije na grafikon.
• geom_boxplot(): crtanje kutija i brkova
• coord_flip(): Okrenite stranu grafa

Izlaz:

Promjena boje outliera

Možete promijeniti boju, oblik i veličinu outliera.

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

Code Objašnjenje

• outlier.colour=”red”: Kontrolirajte boju outliera
• outlier.shape=2: Promjena oblika outliera. 2 se odnosi na trokut
• outlier.size=3: Promijeni veličinu trokuta. Veći brojevi crtaju veće markere.

Izlaz:

Dodajte sumarnu statistiku

Možete prekriti sažetnu statistiku kao što je grupna srednja vrijednost, koju sam kutijasti dijagram ne prikazuje.

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

Code Objašnjenje

• stat_summary() dodaje izračunatu statistiku na vrh kutijastog dijagrama
• Argument fun kontrolira koja se statistika vraća. Ovdje je to srednja vrijednost. Imajte na umu da stariji kod koristi fun.y, koji je ggplot2 ukinut u verziji 3.3.0.
• Napomena: Dostupne su i druge statistike kao što su min. i maks. U istom grafikonu može se prikazati više od jedne statistike
• geom = “točka”: iscrtajte prosjek s točkom
• veličina=3: Veličina točke
• boja =”steelblue”: Boja bodova

Izlaz:

Box Iscrtaj s točkama

Zatim dodajte sloj točkastog dijagrama na vrh okvira. Svaka točka predstavlja jedno opažanje, što čini vidljivom veličinu uzorka iza svakog okvira.

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

Code Objašnjenje

• geom_dotplot() crta jednu točku po promatranju, složenu unutar svakog spremnika
• binaxis='y': Promjena položaja točaka duž y-osi. Prema zadanim postavkama, x-os
• dotsize=1: Veličina točaka
• stackdir='center': Način slaganja točaka: Četiri vrijednosti:
  • “gore” (zadano),
  • “dolje”
  • "centar"
  • “centralna cjelina”

Izlaz:

Kontrolna estetika Box Zemljište

Promijenite boju kutije

Možete promijeniti boje grupe.

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

Code Objašnjenje

• Boje grupa se kontroliraju u aes() mapi.pingMožete koristiti color=Mjesec za promjenu boje okvira i dijagrama brkova prema mjesecima.

Izlaz:

Box parcela s više grupa

Također je moguće dodati više grupa. Možete vizualizirati razliku u kvaliteti zraka prema danu mjerenja.

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

Code Objašnjenje

• Mapa aes()ping geometrijskog objekta kontrolira grupe za prikaz (ova varijabla mora biti faktor)
• aes(fill= day_cat) omogućuje stvaranje tri okvira za svaki mjesec na x-osi

Izlaz:

Box Crtanje s isprekidanim točkama

Drugi način prikaza pojedinačnih opažanja je pomoću podrhtavajućih točaka. Podrhtavanje je uobičajeni izbor kada kategorička x-os uzrokuje da se mnoge točke nađu na istoj poziciji.

Ovom metodom se izbjegava preklapanjeping diskretnih podataka.

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

Code Objašnjenje

• geom_jitter() dodaje mali slučajni pomak svakoj točki kako bi se preklapanjeping vrijednosti postaju vidljive.
• shape=15 mijenja oblik točaka. 15 predstavlja kvadrate
• color = “steelblue”: Promjena boje točke
• position = position_jitter(width = 0.21): kontrolira koliko su točke pomaknute bočno, mjereno u jedinicama x-osi. Zadana vrijednost je 40 posto razmaka između kategorija.

Izlaz:

Možete vidjeti razliku između prvog grafikona s jitter metodom i drugog s point metodom.

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

Reckast Box Zemljište

Zanimljiva značajka geom_boxplot() je funkcija boxplot s usjecima u R. Grafički prikaz s usjecima sužava okvir oko medijana. Glavna svrha dijagrama s urezima je usporedba značajnosti medijana između skupina. Postoje jaki dokazi da dvije skupine imaju različite medijane kada se zarezi ne preklapaju. Zarez se izračunava na sljedeći način:

Ovdje je IQR interkvartilni raspon, a n je broj opažanja u skupini. Razina obuhvaća otprilike 95-postotni interval pouzdanosti medijana.

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

Code Objašnjenje

• geom_boxplot(notch = TRUE): nacrtaj kutijasti dijagram sa zarezima oko medijane

Izlaz:

Kako dodati naslove, oznake i prilagođene boje Box Grafikon u R-u

Gornji grafikoni koriste zadane vrijednosti ggplot2, koje uzimaju nazive varijabli izravno iz okvira podataka. Grafikon koji se može objaviti treba čitljive oznake i namjernu paletu.

Naslovi i oznake osi. Jedan poziv funkcije labs() postavlja svaki tekstualni element:

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()

Odabir vlastitih boja. Koristite scale_fill_manual() kada je ispuna mapirana unutar aes(), a scale_colour_manual() kada je boja:

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")

Legenda je ovdje isključena jer x-osa već imenuje svaki mjesec, pa bi njezino ponavljanje gubilo prostor.

Preuređivanje kutija. Razine faktora određuju redoslijed na osi. Budući da je Mjesec kreiran kao uređeni faktor, već se čita kronološki. Za neuređeni faktor, umjesto toga sortirajte prema medijanu:

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

Spremanje grafikona. ggsave() zapisuje posljednji grafikon na disk u rezoluciji koju kontrolirate:

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

Box Grafikon u R-u: Code Upućivanje

Donja tablica navodi poziv ggplot2 za svaku varijantu kutijastog dijagrama opisanu gore:

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")

Također provjerite: - R Vodič za početnike: Naučite R programski jezik

Pitanja i odgovori