ละเว้นค่าผิดปกติใน ggplot2 boxplot

ฉันจะเพิกเฉยต่อค่าผิดปกติใน ggplot2 boxplot ได้อย่างไร ฉันไม่เพียงต้องการให้พวกมันหายไป (เช่น outlier.size = 0) แต่ฉันต้องการให้พวกเขาถูกละเว้นเพื่อให้แกน y แสดงเปอร์เซ็นต์ไทล์ที่ 1/3 ค่าผิดปกติของฉันทำให้ "กล่อง" หดเล็กลงจนแทบจะเป็นเส้น มีเทคนิคบางอย่างในการจัดการกับสิ่งนี้หรือไม่?

แก้ไข นี่คือตัวอย่าง:

y = c(.01, .02, .03, .04, .05, .06, .07, .08, .09, .5, -.6)
qplot(1, y, geom="boxplot")

นี่คือวิธีแก้ปัญหาโดยใช้ boxplot.stats

# create a dummy data frame with outliers
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))


# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1
p1 = p0 + coord_cartesian(ylim = ylim1*1.05)

ใช้geom_boxplot(outlier.shape = NA)เพื่อไม่แสดงค่าผิดปกติและscale_y_continuous(limits = c(lower, upper))เพื่อเปลี่ยนขีด จำกัด แกน

ตัวอย่าง.

n <- 1e4L
dfr <- data.frame(
  y = exp(rlnorm(n)),  #really right-skewed variable
  f = gl(2, n / 2)
)

p <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot()
p   # big outlier causes quartiles to look too slim

p2 <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot(outlier.shape = NA) +
  scale_y_continuous(limits = quantile(dfr$y, c(0.1, 0.9)))
p2  # no outliers plotted, range shifted

ที่จริงแล้วเป็น Ramnath แสดงให้เห็นในคำตอบของเขา (และ Andrie เกินไปในความคิดเห็น) coord_cartesianมันทำให้รู้สึกมากขึ้นเพื่อตัดเครื่องชั่งน้ำหนักหลังจากที่คุณคำนวณสถิติที่ผ่าน

coord_cartesian(ylim = quantile(dfr$y, c(0.1, 0.9)))

(คุณอาจต้องใช้scale_y_continuousเพื่อแก้ไขการแตกของแกน)

ฉันมีปัญหาเดียวกันและคำนวณค่าสำหรับ Q1, Q2, median, ymin, ymax ไว้ล่วงหน้าโดยใช้boxplot.stats:

# Load package and generate data
library(ggplot2)
data <- rnorm(100)

# Compute boxplot statistics
stats <- boxplot.stats(data)$stats
df <- data.frame(x="label1", ymin=stats[1], lower=stats[2], middle=stats[3], 
                 upper=stats[4], ymax=stats[5])

# Create plot
p <- ggplot(df, aes(x=x, lower=lower, upper=upper, middle=middle, ymin=ymin, 
                    ymax=ymax)) + 
    geom_boxplot(stat="identity")
p

ผลลัพธ์คือบ็อกซ์พล็อตที่ไม่มีค่าผิดปกติ

แนวคิดหนึ่งคือการทำให้ข้อมูลชนะหรือปรับขนาดข้อมูลในขั้นตอนสองรอบ:

1. วิ่งผ่านแรกเรียนรู้ว่าขอบเขตคืออะไรเช่นการตัดที่เปอร์เซ็นต์ไทล์ที่กำหนดหรือค่าเบี่ยงเบนมาตรฐาน N เหนือค่าเฉลี่ยหรือ ...

2. ในรอบที่สองตั้งค่าเกินขอบเขตที่กำหนดให้กับค่าของขอบเขตนั้น

ฉันควรเน้นว่านี่เป็นวิธีการที่ล้าสมัยซึ่งควรถูกครอบงำด้วยเทคนิคที่ทันสมัยกว่าแต่คุณก็ยังเจอมันมาก

ตัวเลือก "coef" ของฟังก์ชัน geom_boxplot อนุญาตให้เปลี่ยนจุดตัดค่าผิดปกติในแง่ของช่วงระหว่างควอไทล์ อ็อพชันนี้จัดทำเป็นเอกสารสำหรับฟังก์ชัน stat_boxplot ในการปิดใช้งานค่าผิดปกติ (กล่าวอีกนัยหนึ่งคือถือว่าเป็นข้อมูลปกติ) เราสามารถแทนที่จะใช้ค่าเริ่มต้น 1.5 ระบุค่าตัดที่สูงมาก:

library(ggplot2)
# generate data with outliers:
df = data.frame(x=1, y = c(-10, rnorm(100), 10)) 
# generate plot with increased cutoff for outliers:
ggplot(df, aes(x, y)) + geom_boxplot(coef=1e30)

หากคุณต้องการบังคับให้หนวดขยายเป็นค่าสูงสุดและต่ำสุดคุณสามารถปรับแต่งcoefอาร์กิวเมนต์ได้ ค่าเริ่มต้นcoefคือ 1.5 (เช่นความยาวเริ่มต้นของหนวดเคราคือ 1.5 เท่าของ IQR)

# Load package and create a dummy data frame with outliers 
#(using example from Ramnath's answer above)
library(ggplot2)
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))

# create boxplot where whiskers extend to max and min values
p1 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)), coef = 500)

Ipaper :: geom_boxplot2 คือสิ่งที่คุณต้องการ

# devtools::install_github('kongdd/Ipaper')
library(Ipaper)
library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot2(width = 0.8, width.errorbar = 0.5)