异常值是否用于计算ggplot2的箱形图中的分位数？

Question

如标题中所述。我浏览了几篇文章，但是它们在这个主题上确实很模糊。在箱形图（Q1，Q2，Q3）中创建分位数时使用的所有值，还是仅在“数据范围”中使用的值（即，距Q1四分位间距的1.5倍以内的值）或Q3）

我正在使用ggplot2软件包创建我的箱线图。我写道：

fulldata %>%
  filter(status=="påbörjat studier") %>%
  ggplot(aes(x=fct_reorder(urvalsgrupp, PERC_CREDIT, .fun = median), y=PERC_CREDIT)) +
  geom_boxplot() +
  coord_flip()

我得到：

现在您可以看到HP组中有两个异常值。在计算分位数时是使用了这些离群值，还是应该将框/分位数（如果考虑了这些值）放在左边？

Answer 1

我在文档中找不到直接的答案，但是我们可以凭经验进行研究。首先，我们创建由与上述dplyr链相同的方式过滤的HP组组成的数据子集：

dftest<-fulldata%>%filter(urvalsgrupp=="HP" & status=="påbörjat studier")

然后我们可以手动计算分位数：

quantile(dftest$PERC_CREDIT,probs=c(0.25,0.50,0.75))

输出：

25%       50%       75% 
0.4277778 0.6000000 0.6500000 

这似乎大致相当于我们HP组的第一个箱线图中的值。虽然我们不能得出任何确定的结论（我们可以有几个观察结果完全相同的PERC_CREDIT），但结果指向所有用于计算分位数的值，甚至是离群值。