在带有抖动点的分组箱线图中手动绘制异常值

Question

我正在尝试创建一个分组箱线图，其中添加了不重复异常值的抖动点。我只找到了大量非分组箱线图的解决方案，但它们不适用于分组箱线图。

重复异常值的初始问题

当您将 geom_boxplot 与 geom_point 结合使用时，异常值会重复，因为它们被绘制在两个几何图形中。

这是一个例子。我将异常值涂成红色，您可以清楚地看到，每个数据点都被 geom_point 复制（有一点抖动）。

我正在使用部分 diamonds 数据：

example_data <- 
  diamonds %>% 
  filter(
    carat < .6,
    cut %in% c("Fair", "Very Good", "Ideal"),
    clarity %in% c("I1", "SI2", "IF")
  )

example_data %>% 
  ggplot(aes(y = price, x = cut, colour = clarity)) +
  geom_point(position = position_jitterdodge()) +
  geom_boxplot(fill = NA, outlier.colour = "red", outlier.size = 2) +
  theme_classic() +
  theme(legend.position = "top")

手动异常值绘图移动点

解决方案是使用 outlier.shape = NA 去除箱线图中的异常值，同时使用美学对 geom_point 中的异常值进行编码（就像我在这里使用形状所做的那样）。当箱线图没有分组时，这很好用，但是当它分组时，所有的点都在错误的位置，因为异常值在图中创建了另一个组：

example_data %>% 
  group_by(cut, clarity) %>%
  mutate(outlier = price > median(price) + IQR(price) * 1.5) %>%
  
  ggplot(aes(y = price, x = cut, colour = clarity)) +
  geom_point(
    aes(shape = outlier, size = outlier),
    position = position_jitterdodge()
  ) +
  geom_boxplot(outlier.shape = NA, fill = NA) +
  scale_size_manual(values = c(1, 2)) +
  theme_classic() +
  theme(legend.position = "top")

有谁知道如何解决这个问题？在此先感谢您的帮助！

Answer 1

helpful comment 在 Twitter 上非常@Cucumiiis 中提供了一个答案，我想在这里分享。

解决方案是像往常一样创建箱线图，然后使用第二个数据集，其中删除了点的异常值。代码如下所示：

without_outliers <- example_data %>% 
  group_by(cut, clarity) %>% 
  mutate(outlier = ifelse(price > median(price) + IQR(price) * 1.5, TRUE , FALSE)) %>% 
  filter(!outlier)


example_data %>% 
  ggplot(aes(y = price, x = cut, colour = clarity)) +
  geom_point(
    data = without_outliers,
    position = position_jitterdodge()
  ) +
  geom_boxplot(fill = NA, outlier.colour = "red") +
  theme_classic() +
  theme(legend.position = "top") +
  scale_shape_manual(values = c(NA, 25))