boxplot() in R: come realizzare BoxGrafici in RStudio [Esempi]

boxplot() in R

boxplot() in R aiuta a visualizzare la distribuzione dei dati per quartile e a rilevare la presenza di valori anomali. Puoi usare l'oggetto geometrico geom_boxplot() dalla libreria ggplot2 per disegnare un boxplot() in R.

Utilizzeremo il dataset airquality per introdurre boxplot() in R con ggplot. Questo dataset misura la qualità dell'aria di New York da maggio a settembre 1973. Il dataset contiene 154 osservazioni. Utilizzeremo le seguenti variabili:

• Ozono: variabile numerica
• Vento: variabile numerica
• Mese: da maggio a settembre. Variabile numerica

Crea Box Terreno

Prima di iniziare a creare il tuo primo boxplot() in R, devi manipolare i dati come segue:

• Passaggio 1: importa i dati
• Passaggio 2: eliminare le variabili non necessarie
• Passaggio 3: convertire il mese a livello di fattore
• Passaggio 4: crea una nuova variabile categoriale dividendo il mese con tre livelli: inizio, metà e fine.
• Passaggio 5: rimuovere le osservazioni mancanti

Tutti questi passaggi vengono eseguiti con dplyr e l'operatore pipeline %>%.

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"))))

Una buona pratica è verificare la struttura dei dati con la funzione scorce().

glimpse(data_air)

Produzione:

## 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...

Ci sono NA nel dataset. È saggio rimuoverli.

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

Box plot di base

Rappresentiamo graficamente il boxplot() di base di R con la distribuzione dell'ozono per mese.

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

Spiegazione del codice

• Memorizzare il grafico per un ulteriore utilizzo
  • box_plot: Memorizza il grafico nella variabile box_plot. È utile per un uso futuro o per evitare righe di codice troppo complesse.
• Aggiungere l'oggetto geometrico di R boxplot()
  • Si passa il set di dati data_air_nona a ggplot boxplot.
  • All'interno dell'argomento aes() aggiungi l'asse x e l'asse y.
  • Il segno + significa che vuoi che R continui a leggere il codice. Rende il codice più leggibile rompendolo.
  • Utilizzare geom_boxplot() per creare un box plot

Produzione:

Cambia lato del grafico

Puoi capovolgere il lato del grafico.

box_plot +
  geom_boxplot()+
  coord_flip()

Spiegazione del codice

• box_plot: Utilizzi il grafico che hai memorizzato. Evita di riscrivere tutti i codici ogni volta che aggiungi nuove informazioni al grafico.
• geom_boxplot(): crea boxplot() in R
• coord_flip(): capovolge il lato del grafico

Produzione:

Cambia il colore del valore anomalo

È possibile modificare il colore, la forma e la dimensione dei valori anomali.

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

Spiegazione del codice

• outlier.color="red": controlla il colore dei valori anomali
• outlier.shape=2: modifica la forma dell'outlier. 2 si riferisce al triangolo
• outlier.size=3: modifica la dimensione del triangolo. La dimensione è proporzionale al numero.

Produzione:

Aggiungi una statistica riassuntiva

È possibile aggiungere una statistica riassuntiva al boxplot() di R.

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

Spiegazione del codice

• stat_summary() consente di aggiungere un riepilogo al boxplot orizzontale R
• L'argomento fun.y controlla le statistiche restituite. Utilizzerai la media
• Nota: sono disponibili altre statistiche, ad esempio min e max. È possibile visualizzare più statistiche nello stesso grafico
• geom = “punto”: traccia la media con un punto
• size=3: dimensione del punto
• color =”steelblue”: Colore dei punti

Produzione:

Box Traccia con punti

Nel boxplot orizzontale successivo R, aggiungi i layer del dot plot. Ogni punto rappresenta un'osservazione.

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

Spiegazione del codice

• geom_dotplot() consente di aggiungere punti alla larghezza del contenitore
• binaxis='y': cambia la posizione dei punti lungo l'asse y. Per impostazione predefinita, asse x
• dotsize=1: dimensione dei punti
• stackdir='center': modo di impilare i punti: quattro valori:
  • “su” (predefinito),
  • "giù"
  • "centro"
  • “centrointero”

Produzione:

Controllo Estetico del Box Terreno

Cambia il colore della scatola

Puoi cambiare i colori del gruppo.

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

Spiegazione del codice

• I colori dei gruppi sono controllati nella mappatura aes(). Puoi usare color= Month per cambiare il colore del box and whisker plot in base ai mesi

Produzione:

Box trama con più gruppi

È anche possibile aggiungere più gruppi. È possibile visualizzare la differenza della qualità dell'aria in base al giorno della misurazione.

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

Spiegazione del codice

• La mappatura aes() dell'oggetto geometrico controlla i gruppi da visualizzare (questa variabile deve essere un fattore)
• aes(fill= day_cat) consente di creare tre caselle per ogni mese sull'asse x

Produzione:

Box Tracciare con punti tremolanti

Un altro modo per mostrare il punto è con punti jittered. È un modo comodo per visualizzare i punti con boxplot per dati categoriali in variabile R.

Questo metodo evita la sovrapposizione dei dati discreti.

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

Spiegazione del codice

• geom_jitter() aggiunge un piccolo decadimento a ciascun punto.
• shape=15 cambia la forma dei punti. 15 rappresenta i quadrati
• color = “steelblue”: cambia il colore del punto
• position=position_jitter(width = 0.21): modo per posizionare i punti sovrapposti. position_jitter(width = 0.21) significa che sposti i punti del 20% dall'asse x. Per impostazione predefinita, 40%.

Produzione:

Puoi vedere la differenza tra il primo grafico con il metodo jitter e il secondo con il metodo point.

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

dentellato Box Terreno

Una caratteristica interessante di geom_boxplot() è una funzione boxplot a tacche in R. Il grafico a tacche restringe la scatola attorno alla mediana. Lo scopo principale di un grafico a tacche è confrontare la significatività della mediana tra i gruppi. Ci sono forti prove che due gruppi hanno mediane diverse quando le tacche non si sovrappongono. Una tacca viene calcolata come segue:

con è l'interquartile e il numero di osservazioni.

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

Spiegazione del codice

• geom_boxplot(notch=TRUE): Crea un boxplot orizzontale con tacche R

Produzione:

Sintesi

Possiamo riassumere i diversi tipi di boxplot orizzontale R nella tabella seguente:

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))

Controlla anche: - Tutorial R per principianti: impara il linguaggio di programmazione R