boxplot() у R: Як зробити BoxДіаграми в RStudio

⚡ Розумний підсумок

BoxГрафік у R підсумовує числовий розподіл через його медіану, квартилі, вусики та викиди за допомогою geom_boxplot() з ggplot2. У цьому покроковому посібнику будується коробкова діаграма на наборі даних про якість повітря та шари на основі кольору, точок, тремтіння, виїмок та групових порівнянь.

  • 📐 П'ятизначний підсумок: Прямокутник охоплює перший-третій квартиль, лінія позначає медіану, а вуса досягають 1.5-кратного міжквартильного діапазону.
  • 🧱 Базовий синтаксис: ggplot(df, aes(x = група, y = значення)) + geom_boxplot() створює один блок на рівень групиping фактор.
  • ???? Стиль винятків: Параметри outlier.colour, outlier.shape та outlier.size контролюють, як малюються точки за межами вусів.
  • 💠 Відображення спостережень: geom_jitter() зміщує перекриттяping вказує вбік, показуючи розмір зразка за кожною коробкою.
  • 📉 Зарізаний Boxце: notch = TRUE виводить довірчий інтервал медіани та не перекриваєтьсяping виїмки вказують на реальну різницю.
  • 🎨 Гроуping: картаping Метод fill inside geom_boxplot() розділяє кожну категорію на кілька блоків, розташованих поруч один з одним.

Boxграфік у R

boxplot() у R

boxplot() у R допомагає візуалізувати розподіл даних за квартилями та виявити наявність викидів. Ви можете використовувати геометричний об’єкт geom_boxplot() із бібліотеки ggplot2, щоб намалювати boxplot() у R.

Ми використаємо набір даних про якість повітря для введення boxplot() в R за допомогою ggplot. Набір даних записує щоденні вимірювання якості повітря в Нью-Йорку з травня по вересень 1973 року та містить 153 спостереження. Ми використовуватимемо такі змінні:

  • Озон: числова змінна
  • Вітер: Числова змінна
  • Місяць: з травня по вересень. Числова змінна

Перш ніж малювати, варто точно знати, що представляє кожна частина коробки.

Як читати Box Графік: Квартилі, міжквартильний розрахунок (IQR) та викиди

Кожен елемент коробкової діаграми кодує одне число з п'ятичисельного зведення. Знання того, яке з них є яке, перетворює діаграму з декоративної на аналітичну.

  • Нижня петля: перший квартиль, Q1. Двадцять п'ять відсотків спостережень знаходяться нижче нього.
  • Медіанна лінія: другий квартиль. Його положення всередині прямокутника свідчить про асиметрію: лінія, зміщена донизу, означає, що дані асиметричні праворуч.
  • Верхня петля: третій квартиль, Q3. Сімдесят п'ять відсотків спостережень знаходяться нижче нього.
  • Box висота: міжквартильний діапазон, IQR = Q3 – Q1, який містить середню половину даних і є стандартним робустним показником розкиду.
  • Вуса: вони поширюються на найекстремальніше спостереження, що все ще знаходиться в межах 1.5 міжквартильного розмаху (IQR) найближчого шарніра. Вони не є мінімумом і максимумом.
  • Точки за межами вусів: спостереження, позначені як викиди згідно з правилом 1.5 IQR.

Два застереження. По-перше, «викид» тут є статистичним показником, а не помилкою: у розподілі з аномалією, такому як концентрація озону, очікуються високі значення, і їх не слід видаляти. По-друге, коробчаста діаграма приховує форму розподілу, тому дві групи з однаковими коробочками можуть мати дуже різні базові дані. Додавання точок коливань, як показано нижче, захищає від цього.

Box Діаграма проти гістограми проти скрипкової діаграми в R

Усі три діаграми описують числовий розподіл, але кожна з них розкриває щось, що приховують інші.

Критерії Box Сюжет Гістограма Сюжет про скрипку
Шоу Медіана, квартилі, викиди Частота в кожному інтервалі Повна крива щільності
Revдосягає кількох піків Немає Так Так
Прапори винятків Так, явно Тільки візуально Не прямо
Порівняння багатьох груп відмінно Незручний добре
Потрібен вибір тюнінгу Немає Так, кількість контейнерів Так, пропускна здатність
об'єкт ggplot2 geom_boxplot() geom_histogram() geom_violin()

Поширеним компромісом є побудова скрипкової діаграми з вузькою коробковою діаграмою всередині, що зберігає форму щільності та зведення квартилів в одній діаграмі. Див. посібник з гістограми для біннінгової сторони порівняння.

Створити Box Сюжет

Перш ніж почати створювати свій перший boxplot() у R, вам потрібно маніпулювати даними наступним чином:

  • Крок 1. Імпортуйте дані
  • Крок 2: Видаліть непотрібні змінні
  • Крок 3: Перетворіть місяць на впорядкований множник
  • Крок 4: Створіть нову категоріальну змінну, розділивши кожен місяць на три частини: Початок, Середина та Кінець
  • Крок 5: видаліть відсутні спостереження

Усі ці кроки виконуються за допомогою dplyr і оператора конвеєра %>%.

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"))))

Хорошою практикою є перевірка структури даних за допомогою функції glimpse().

glimpse(data_air)

вихід:

## 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...

Як Ozone, так і Solar.R містять значення NA. Оскільки geom_boxplot() непомітно видалить їх та виведе попередження, чистіше видалити їх явно.

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

Базовий коробковий сюжет

Тепер побудуйте графік розподілу озону за місяцями.

# 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 Пояснення

  • Збережіть графік для подальшого використання
    • box_plot: базовий графік зберігається в об'єкті box_plot, що дозволяє додавати шари пізніше без повторення всього виклику
  • Додайте геометричний об'єкт
    • Ви передаєте набір даних data_air_nona до ggplot boxplot.
    • Всередині аргументу aes() ви додаєте вісь x і вісь y.
    • Знак + означає, що ви хочете, щоб R продовжував читати код. Це робить код більш читабельним, розбиваючи його.
    • Використовуйте geom_boxplot(), щоб створити коробчату діаграму

вихід:

Базовий Box Сюжет

Змініть сторону графіка

Ви можете перевернути бік графіка.

box_plot +
  geom_boxplot()+
  coord_flip()

Code Пояснення

  • box_plot: ви використовуєте графік, який ви зберегли. Це дозволяє уникнути переписування всіх кодів кожного разу, коли ви додаєте нову інформацію на графік.
  • geom_boxplot(): малює прямокутники та вуса
  • coord_flip(): Перевернути бік графіка

вихід:

Змінити сторону графіка

Змінити колір викиду

Ви можете змінити колір, форму та розмір викидів.

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

Code Пояснення

  • outlier.colour=”red”: контроль кольору викидів
  • outlier.shape=2: Змінити форму викиду. 2 відноситься до трикутника
  • outlier.size=3: Змінити розмір трикутника. Більші числа малюють більші маркери.

вихід:

Змінити колір викиду

Додайте підсумкову статистику

Ви можете накласти зведену статистику, таку як групове середнє значення, яке сама коробкова діаграма не відображає.

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

Code Пояснення

  • stat_summary() додає обчислену статистику поверх коробкової діаграми
  • Аргумент fun контролює, яка статистика повертається. Тут це середнє значення. Зверніть увагу, що старіший код використовує fun.y, який ggplot2 визнав застарілим у версії 3.3.0.
  • Примітка. Доступні інші статистичні дані, наприклад мінімальна та макс. На одному графіку можна відображати більше однієї статистики
  • geom = “точка”: побудуйте середнє значення з точкою
  • size=3: Розмір точки
  • color =”steelblue”: Колір точок

вихід:

Додайте підсумкову статистику

Box Ділянка з крапками

Далі, додайте шар точкової діаграми поверх квадратів. Кожна точка представляє окреме спостереження, що робить видимим розмір вибірки за кожним квадратом.

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

Code Пояснення

  • geom_dotplot() малює одну точку на кожне спостереження, розміщену в кожному контейнері
  • binaxis='y': змінює положення крапок уздовж осі y. За замовчуванням вісь х
  • dotsize=1: Розмір точок
  • stackdir='center': спосіб укладання точок: чотири значення:
    • «вгору» (за замовчуванням),
    • “Вниз”
    • «центр»
    • “центральне ціле”

вихід:

Box Ділянка з крапками

Контроль естетики в Box Сюжет

Змініть колір коробки

Ви можете змінити кольори групи.

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

Code Пояснення

  • Кольори груп контролюються за допомогою карти aes().pingВи можете використовувати color=Month, щоб змінити колір прямокутника та діаграми вусів відповідно до місяців.

вихід:

Змініть колір Box

Box ділянка з кількома групами

Також можна додати кілька груп. Ви можете візуалізувати різницю в якості повітря залежно від дня вимірювання.

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

Code Пояснення

  • Карта aes()ping геометричного об'єкта контролює групи для відображення (ця змінна має бути фактором)
  • aes(fill= day_cat) дозволяє створити три поля для кожного місяця на осі x

вихід:

Box Ділянка з кількома групами

Box Ділянка з тремтливими крапками

Інший спосіб показати окремі спостереження – це за допомогою точок з тремтінням. Тремтіння – це звичайний вибір, коли категорична вісь x призводить до того, що багато точок потрапляють в одне й те саме положення.

Цей метод дозволяє уникнути перекриттяping дискретних даних.

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

Code Пояснення

  • geom_jitter() додає невелике випадкове зміщення до кожної точки, щоб забезпечити перекриттяping цінності стають видимими.
  • shape=15 змінює форму точок. 15 позначає квадрати
  • color = “steelblue”: змінити колір точки
  • position = position_jitter(width = 0.21): контролює, наскільки точки зміщуються вбік, вимірюється в одиницях осі X. Значення за замовчуванням становить 40 відсотків від інтервалу між категоріями.

вихід:

Box Ділянка з тремтливими крапками

Ви можете побачити різницю між першим графіком з методом джиттера та другим з точковим методом.

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

Box Ділянка з тремтливими крапками

Зарізаний Box Сюжет

Цікавою особливістю geom_boxplot() є функція прямокутної діаграми з вирізами в R. Діаграма з вирізами звужує рамку навколо медіани. Основна мета прямокутного діаграми — порівняти значущість медіани між групами. Є переконливі докази, що дві групи мають різні медіани, коли виїмки не накладаються. Виїмка обчислюється наступним чином:

Зарізаний Box Сюжет

Тут IQR – це міжквартильний діапазон, а n – кількість спостережень у групі. Позначка охоплює приблизно 95-відсотковий довірчий інтервал медіани.

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

Code Пояснення

  • geom_boxplot(notch = TRUE): намалювати коробкову діаграму з виїмками навколо медіани

вихід:

Зарізаний Box Сюжет

Як додати заголовки, підписи та власні кольори до Box Ділянка в R

Наведені вище графіки використовують значення за замовчуванням ggplot2, які беруть назви змінних безпосередньо з фрейму даних. Публікувана діаграма потребує читабельних підписів та продуманої палітри.

Заголовки та підписи осей. Один виклик labs() встановлює кожен текстовий 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()

Вибір власних кольорів. Використовуйте scale_fill_manual(), коли заповнення відображається всередині aes(), та scale_colour_manual(), коли колір:

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")

Легенда тут вимкнена, оскільки вісь X вже вказує на кожен місяць, тому її повторення означатиме займе місце.

Переупорядкування коробок. Рівні факторів визначають порядок на осі. Оскільки Місяць було створено як упорядкований фактор, він вже відображається хронологічно. Для неупорядкованого фактора сортуйте за медіаною:

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

Збереження діаграми. ggsave() записує останній графік на диск з роздільною здатністю, яку ви контролюєте:

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

Box Діаграма в R: Code Посилання

У таблиці нижче наведено виклик ggplot2 для кожного варіанта коробчастої діаграми, розглянутого вище:

Мета Code
Базовий коробковий сюжет
ggplot(df, aes(x = x1, y = y)) + geom_boxplot()
Змінити орієнтацію
ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + coord_flip()
Ділянка з вирізами
ggplot(df, aes(x = x1, y = y)) + geom_boxplot(notch = TRUE)
Box ділянка з рухомими крапками
ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + geom_jitter(position = position_jitter(0.21))
Розфарбуй за групою
ggplot(df, aes(x = x1, y = y, color = x1)) + geom_boxplot()
Кілька груп у кожній категорії
ggplot(df, aes(x = x1, y = y)) + geom_boxplot(aes(fill = x2))
Додайте середнє значення групи
ggplot(df, aes(x = x1, y = y)) + geom_boxplot() + stat_summary(fun = mean, geom = "point")

Також перевірте: - Підручник R для початківців: вивчайте мову програмування R

Поширені запитання

Вуса досягають найекстремальнішого спостереження, що знаходиться в межах 1.5 міжквартильного діапазону найближчого квартиля. Вони не є мінімумом і максимумом, і все, що знаходиться за ними, вважається точкою винятку.

Не автоматично. Правило 1.5 IQR – це умовність, а не доказ помилки. Спочатку дослідіть кожен пункт: спотворені дані, такі як показники рівня озону, природно, дають високі значення, які є справжніми вимірами.

перекриватисяping Наявність значних значень свідчить про відсутність вагомих доказів того, що дві медіани відрізняються.ping позначки вказують на ймовірну реальну різницю, приблизно еквівалентну 95-відсотковому довірчому порівнянні.

Box Діаграми є стандартним дослідницьким кроком перед навчанням: вони виявляють асиметрію, викиди та різні масштаби ознак у різних класах. Команди також використовують їх для порівняння точності моделі в різних складках перехресної перевірки.

Так. Помічники ШІ можуть пояснити такі помилки, як безперервна вісь x, що створює один прямокутник, запропонувати правильну карту aes().ping, та позначайте застарілі аргументи, такі як fun.y. Завжди повторно запускайте виправлений код на власних даних.

Підсумуйте цей пост за допомогою: