【R语言】--- 箱型图

Python015

【R语言】--- 箱型图,第1张

箱线图主要是通过四分位数描述数据分布，通过最大值，上四分位数，中位数，下四分位数，最小值五处位置描述数据分布情况。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测。从箱线图中，可以大致推断出数据的集中或离散趋势。

boxplot() 是一个泛型函数，目前支持两种参数类型：公式和数据。

x 参数为一个数值向量或者列表，若为列表则对列表中每一个子对象依次作出箱线图。

formula 为一个公式，比如 y ~ x。

data 参数为一个数据框或者列表。

na.action 参数是对NA值的操作，默认为忽略。

ann 参数为逻辑值，是否绘制坐标轴。

range 是一个延伸倍数，决定了箱线图的须延伸到什么位置。

width 设置箱子的宽度。

varwidth 为逻辑值，若为 TRUE，那么箱子的宽度与样本量的平方根成比例。

notch 决定了是否在箱子上画凹槽，可以用于比较两组数据的中位数是否有差异。

horizontal 是否水平放置箱线图。

add 参数设置是否将箱线图添加到现有图形上。

at 参数，当add为TRUE时，设置箱线图位置。

[1] https://www.sohu.com/a/220236877_434937

[2] https://zhuanlan.zhihu.com/p/144339417

[3] Robert I. Kabacoff (著). R语言实战(高涛/肖楠/陈钢 译). 北京: 人民邮电出版社.

首先要理解一下箱线图中四分位差的原理，详见 https://baike.baidu.com/item/%E5%9B%9B%E5%88%86%E4%BD%8D%E5%B7%AE/8362429

理解过后，再来看一下在R中以超过Q3+1.5(Q3-Q1)，低于Q1-1.5(Q3-Q1)为范围认定为异常值，也就是说在R中先确定异常值，再在非异常值中确定箱线图的最小值或最大值。这样也就能解释为什么在最小值（最大值）后还有比最小值（最大值）还小（大）的异常值。