R语言箱线图（boxplot）四分位算法

2023-03-10 14:47:02Python018

R语言箱线图（boxplot）四分位算法,第1张

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。

R语言绘图系列：

标度控制着数据到图形属性的映射，标度将我们的数据转化为视觉上可以感知的东西，比如大小、位置、颜色、形状等。标度也为我们提供了读图时所使用的工具，比如说坐标轴和图例。总的来说，可以称为引导元素。标度函数控制元素的属性，可以理解为图形的遥控器，可以用它来调整画布大小、颜色等等。此前学的shape,color,size等参数和标度函数相比显得不够灵活。

scale_fill_brewer 调色板函数

geom_errorbar()

geom_crossbar()

geom_linerange() 绘制线段

geom_pointrange() 绘制点

pointrange：点画线

首先绘制一张盒形图

在图上显示出观测值

值得注意的是，图上点的多少并不能完全反应原始数据的多少，因为有的点可能因为点过于密集就会被覆盖，看起来是一个点，其实可能是多个点。

因此可以使用geom_jitter函数将不同的点区分开（jitter是震荡散点），width设置如果遇到相同的点，点向左右方平移的距离。alpha设置透明度。

黑色点是离群点

还可以绘制卡槽图