[R语言]boxplot绘图经验总结

Python09

[R语言]boxplot绘图经验总结,第1张

这里，我们采用了stripchart函数以及RColorBrewer包来添加数据点并调整颜色。

注意，此时应当利用boxplot函数里面的内置参数names设置每个箱线图的特征名。并且将stripchart函数里面的数据用列表并起来。

这里，我们使用了dplyr包，将数据按照不同类别（1,2,3,4）来分成新的数据，并且，在boxplot函数里，不同于上述几种方式，其数据的给定是以公式的方式给出，形如“特征~类别,数据名”的样式。

箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。它也可以粗略地看出数据是否具有有对称性，分布的离散程度等信息；特别适用于对几个样本的比较。

注：四分位数（Quartile），即统计学中，把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。

  第一四分位数 (Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。

  第二四分位数 (Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。

  第三四分位数 (Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。

  第三四分位数与第一四分位数的差距又称四分位距（InterQuartile Range,IQR）。

R语言中计算方法：

quantile函数直接计算四分位：

例如：data = c(1,2,3,4,5,6.2,7,8,9,10)

quantile(data)   #其结果如下

0%       25%       50%       75%       100%

1.00      3.25       5.60        7.75      10.00

其中0%：最小值；25%：第一四分位数Q1；50%：中位数；75%：第三四分位数；100%：最大值。

其计算方法为：

1. 排序，从小到大排列data；

2. 计算分位数的位置；pos = 1+ (n-1)*p，n为数据的总个数，p为0-1之间的值

3. 给出分位数

注意：另一种分位数的计算方法为：其他与前面的一致。但是分位数位置的计算采用：pos = (n+1)*p，n为数据的总个数，p为0-1之间的值。

四分位数的计算方法没有一个统计的标准，如果对此计算有要求的，需要注意函数的具体算法。

另外，boxplot中存在异常值，其规定标准如下：

当数据中的值大于或小于箱体的四分位距IQR的1.5倍时，认定为异常值。

就是说当某值大于（Q3+1.5*IQR）或小于（Q1-1.5*IQR）时，处理时会认定为异常值。

一、boxcox变换不是万能的，本质上还是幂变换。而在x^(lambda)中，lambda取不同值在直方图上的表现主要就是将x上的大值是往左还是往右拉的问题。（PS：你可以自己多试几个lambda）

二、kolmogorov smirnov检验统计量是比较经验分布函数与累计分布函数间的极大值，这里用这个检验也没什么问题。当然，样本量越大，经验分布的可靠性就越强一些。（PS：其实好多时候直接简单粗暴地画QQ图来看正态性...）

三、看你这个变换后的直方图更像二元的高斯混合a1*N(mu1,sigma1)+a2*N(mu2,sigma2)，毕竟有两个明显的峰。