如何使用geom_boxplot（stat =“identity”）

Question

我想预先计算数据的变量摘要（使用plyr并传递quantile函数），然后使用geom_boxplot(stat = "identity")进行绘图。这很有效，除了它（a）不将异常值绘制为点和（b）将“whiskers”扩展到绘制数据的最大值和最小值。

示例：

library(plyr)
library(ggplot2)

set.seed(4)
df <- data.frame(fact = sample(letters[1:2], 12, replace = TRUE),
                 val  = c(1:10, 100, 101))
df
#    fact val
# 1     b   1
# 2     a   2
# 3     a   3
# 4     a   4
# 5     b   5
# 6     a   6
# 7     b   7
# 8     b   8
# 9     b   9
# 10    a  10
# 11    b 100
# 12    a 101

by.fact.df <- ddply(df, c("fact"), function(x) quantile(x$val))

by.fact.df
#   fact 0%  25% 50%  75% 100%
# 1    a  2 3.25 5.0 9.00  101
# 2    b  1 5.50 7.5 8.75  100

# What I can do...with faults (a) and (b) above
ggplot(by.fact.df, 
       aes(x = fact, ymin = `0%`, lower = `25%`, middle = `50%`, 
           upper = `75%`,  ymax = `100%`)) +
  geom_boxplot(stat = "identity")

# What I want...
ggplot(df, aes(x = fact, y = val)) +
  geom_boxplot()

我能做什么......有上面提到的错误（a）和（b）：

我想获得什么，但仍然通过plyr（或其他方法）利用预先计算：

初步想法：也许有一些方法可以预先计算出没有异常值的胡须的真实终点？然后，将异常值的数据子集化并将其作为geom_point()传递？

动机：在处理较大的数据集时，我发现利用plyr，dplyr和/或data.table预先更快，更实际 - 计算统计数据然后绘制它们而不是计算ggplot2。

更新

我可以通过以下dplyr和plyr代码的混合来提取我需要的内容，但我不确定这是否是最有效的方式：

df %>%
  group_by(fact) %>%
  do(ldply(boxplot.stats(.$val), data.frame))

Source: local data frame [6 x 3]
Groups: fact

  fact   .id X..i..
1    a stats      2
2    a stats      4
3    a stats     10
4    a stats     13
5    a stats     16
6    a     n      9

Answer 1

以下是我的回答，使用内置函数quantile和boxplot.stats。

geom_boxplot对boxplot的计算与boxplot.stats略有不同。阅读?geom_boxplot和?boxplot.stats，了解我的实施情况

#Function to calculate boxplot stats to match ggplot's implemention as in geom_boxplot.
my_boxplot.stats <-function(x){
        quantiles <-quantile(x, c(0, 0.25, 0.5, 0.75, 1))
        labels <-names(quantile(x))
        #replacing the upper whisker to geom_boxplot
        quantiles[5] <-boxplot.stats(x)$stats[5]
        res <-data.frame(rbind(quantiles))
        names(res) <-labels
        res$out <-boxplot.stats(x)$out
        return(res)
    }

计算统计数据的代码并将其绘制

library(dplyr)
df %>% group_by(fact) %>% do(my_boxplot.stats(.$val)) %>% 
      ggplot(aes(x=fact, y=out, ymin = `0%`, lower = `25%`, middle = `50%`,
                 upper = `75%`,  ymax = `100%`)) +
      geom_boxplot(stat = "identity") + geom_point()

Answer 2

要获得正确的统计数据，您必须进行更多计算，而不仅仅是找到分位数。带有geom_boxplot的{​​{1}}函数不会绘制异常值。因此，您必须在没有异常值的情况下计算统计数据，然后使用stat = "identity"单独绘制异常值。以下函数（基本上是geom_point的简化版本）可能不是最有效的，但它给出了所需的结果：

stat_boxplot