在ggplot2中，boxplot行的结尾代表什么？

Question

我无法找到箱线图的线端点代表的描述。

例如，这里是线条结束的上方和下方的点值。

（我意识到盒子的顶部和底部分别是第25和第75百分位，中心线是第50个）。我假设，因为线上方和下方有点，它们不代表最大/最小值。

Answer 1

箱图末尾的“点”代表异常值。确定点是否是异常值有许多不同的规则，但R和ggplot使用的方法是“1.5规则”。如果数据点是：

• 小于Q1 - 1.5 * IQR
• 大于Q3 + 1.5 * IQR

然后，这一点被归类为“异常值”。胡须定义为：

上部晶须= min（max（x），Q_3 + 1.5 * IQR）

降低晶须=最大值（min（x），Q_1 - 1.5 * IQR）

其中IQR = Q_3 - Q_1，框长度。所以上部晶须位于最大x值的较小和Q_3 + 1.5 IQR， 而较低的晶须位于最小x值的较大和Q_1 - 1.5 IQR。

其他信息

• 有关替代离群值规则，请参阅wikipedia boxplot页面。
• 实际上有多种计算分位数的方法。看一下`？quantile来描述九不同的方法。

示例

考虑以下示例

> set.seed(1)
> x = rlnorm(20, 1/2)#skewed data
> par(mfrow=c(1,3))
> boxplot(x, range=1.7, main="range=1.7")
> boxplot(x, range=1.5, main="range=1.5")#default
> boxplot(x, range=0, main="range=0")#The same as range="Very big number"

这给出了以下情节：

当我们将范围从1.7减小到1.5时，我们减少了晶须的长度。但是，range=0是一种特殊情况 - 它相当于“range = infinity”

Answer 2

我认为ggplot使用标准默认值，与boxplot相同：“胡须延伸到最极端的数据点，不超过盒子长度的1.5倍”

请参阅：boxplot.stats

Answer 3

P1IMSA Tutorial 8 - Understanding Box and Whisker Plots视频提供了（Tukey）方框和胡须图的逐步解释。

在4分23秒时，我解释了晶须末端的含义及其与1.5 * IQR的关系。

虽然视频中显示的图表是使用D3.js而不是R渲染的，但其解释与所提到的箱形图的R实现相符。

Answer 4

正如@TemplateRex 在评论中强调的那样，ggplot 不会在 IQR 的上/下四分位加/减 1.5 倍处绘制胡须。它实际上以 max(x[x < Q3 + 1.5 * IQR]) 和 min(x[x > Q1 + 1.5 * IQR]) 绘制它们。例如，这是使用 geom_boxplot 绘制的图，其中我在值 Q1 - 1.5*IQR 处添加了一条虚线：

Q1 = 52

Q3 = 65

Q1 - 1.5 * IQR = 52 - 13*1.5 = 32.5（虚线）

下须 = min(x[x > Q1 + 1.5 * IQR]) = 35（其中 x 是用于创建箱线图的数据，异常值位于 x = 27）。

MWE 请注意，这不是我用来生成上面图像的确切代码，但它已经结束了。

library("mosaic") # For favstats()

df <-  c(54, 41, 55, 66, 71, 50, 65, 54, 72, 46, 36, 64, 49, 64, 73, 
         52, 53, 66, 49, 64, 44, 56, 49, 54, 61, 55, 52, 64, 60, 54, 59, 
         67, 58, 51, 63, 55, 67, 68, 54, 53, 58, 26, 53, 56, 61, 51, 51, 
         50, 51, 68, 60, 67, 66, 51, 60, 52, 79, 62, 55, 74, 62, 59, 35, 
         67, 58, 74, 48, 53, 40, 62, 67, 57, 68, 56, 75, 55, 41, 50, 73, 
         57, 62, 61, 48, 60, 64, 53, 53, 66, 58, 51, 68, 69, 69, 58, 54, 
         57, 65, 78, 70, 52, 59, 52, 65, 70, 53, 57, 72, 47, 50, 70, 41, 
         64, 59, 58, 65, 57, 60, 70, 46, 40, 76, 60, 64, 51, 38, 67, 57, 
         64, 51)
df <- as.data.frame(df)


Q1 <- favstats(df)$Q1
Q3 <- favstats(df)$Q3

IQR <- Q3 - Q1

lowerlim <- Q1 - 1.5*IQR
upperlim <- Q3 + 1.5* IQR

boxplot_Tukey_lower <- min(df[df > lowerlim])
boxplot_Tukey_upper <- max(df[df < upperlim])



ggplot(df, aes(x = "", y = df)) +
  stat_boxplot(geom ='errorbar', width = 0.5) +
  geom_boxplot() + 
  geom_hline(yintercept = lowerlim, linetype = "dashed") +
  geom_hline(yintercept = upperlim, linetype = "dashed")