![[R语言]boxplot绘图经验总结,第1张](/aiimages/%5BR%E8%AF%AD%E8%A8%80%5Dboxplot%E7%BB%98%E5%9B%BE%E7%BB%8F%E9%AA%8C%E6%80%BB%E7%BB%93.png "[R语言]boxplot绘图经验总结,第1张")
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。
boxplot(x1~name,da,at=c(1,5,9),names=paste(c('A','B','C'),'x1',sep='.'),xlim=c(0,12))boxplot(x2~name,da,at=c(2,6,10),add=T,names=paste(c('A','B','C'),'x2',sep='.'))
boxplot(x3~name,da,at=c(3,7,11),add=T,names=paste(c('A','B','C'),'x3',sep='.'))
