3.1 箱线图陷阱

箱线图又叫盒须图，展示数据的中位数(median)、上下四分位数(Quartiles)、四分位距(IQR)、须线(Whiskers)和异常值(outlier)。

这是说明箱线图构成的示意图：

但是，这种信息的总结也有个大问题——无法显示数据的分布情况。例如：正态分布可能看起来与双峰分布完全相同。因此，考虑用小提琴图或脊线图。

Show/Hide Code 
library(tidyverse)
library(hrbrthemes) # hrbrthemes 提供了更适合排版的主题
library(viridis) # viridis 提供了好看的色盲友好型颜色

# 创建数据集
data1 <- data.frame(
  name = c(
    rep("A", 500),
    rep("B", 250),
    rep("B", 250),
    rep("C", 20),
    rep('D', 100)
  ),
  value = c(
    rnorm(500, 10, 5),
    rnorm(250, 13, 1),
    rnorm(250, 18, 1),
    rnorm(20, 25, 4),
    rnorm(100, 12, 1)
  )
)

data1 |> 
  ggplot(aes(x = name, y = value, fill = name)) +
  geom_boxplot() +
  scale_fill_viridis(discrete = TRUE) + # 好看的色盲友好型颜色,离散变量
  theme_ipsum() +
  theme(legend.position = "none") + 
  labs(x = "") + 
  ggtitle("A somewhat misleading boxplot")

3.2 改进

3.2.1 添加抖动(Jitter)

适合数据量不太大的情况

Show/Hide Code 
data1 |> 
  ggplot( aes(x=name, y=value, fill=name)) +
    geom_boxplot() +
    scale_fill_viridis(discrete = TRUE) +  # 好看的色盲友好型颜色,离散变量
    geom_jitter(color="grey", size=0.5, alpha=0.5) +
    theme_ipsum() + 
    theme(legend.position="none") +
    labs(x = "") + 
    ggtitle("A boxplot with jitter")

添加抖动(jitter)的箱线图

发现:

  • 组 C 样本量小。在得出组 C 的值高于其他组的结论之前，要考虑样本量.

  • 组 B 呈现出双峰分布(y = 18 和 y = 13),但是箱线图中看起来和组 A 并无区别.

3.2.2 小提琴图(Violin)

Show/Hide Code 
# 显示样本量
sample_size = data1 |> group_by(name) |> summarize(num = n())

data1  |>
  left_join(sample_size) |>
  mutate(myaxis = paste0(name, "\n", "n=", num)) |>
  ggplot(aes(x = myaxis, y = value, fill = name)) +
  geom_violin(width = 1.4) +
  geom_boxplot(width = 0.1, color = "grey", alpha = 0.2) +
  scale_fill_viridis(discrete = TRUE) +
  theme_ipsum() +
  theme(legend.position = "none") +
  labs(x = "") + 
  ggtitle("A violin plot")

3.2.3 云雨图(Raincloud)

看了就知道,云(半小提琴)+雨(散点)的组合。

Show/Hide Code 
library(ggdist) # ggdist 提供了半小提琴图和云雨图
library(hrbrthemes) # hrbrthemes 提供了更适合排版的主题
library(viridis) # viridis 提供了好看的色盲友好型颜色

data1 |>
    ggplot(aes(x = factor(name), y = value, fill = factor(name))) +

    # 添加半小提琴图（显示分布）
    stat_halfeye(
        adjust = 0.5,
        justification = -0.1,
        .width = 0,
        point_colour = NA
    ) +

    # 添加散点（显示原始数据点）
    stat_dots(
        side = "left",
        justification = 1.1,
        binwidth = 0.25
    ) +

    # 设置色盲友好型配色
    scale_fill_viridis(discrete = TRUE) +
    theme_ipsum() +
    theme(legend.position = "none") + 
    labs(x = "") +
    ggtitle("A raincloud plot example")

把头顺时针旋转90度(或交换R代码X轴和Y轴)，就更像云雨了

甚至还可以再加上箱线图

Show/Hide Code 
library(ggdist) # ggdist 提供了半小提琴图和云雨图
library(hrbrthemes) # hrbrthemes 提供了更适合排版的主题
library(viridis) # viridis 提供了好看的色盲友好型颜色

data1 |>
    ggplot(aes(x = factor(name), y = value, fill = factor(name))) +

    # 添加半小提琴图（显示分布）
    stat_halfeye(
        adjust = 0.5,
        justification = -0.2,
        .width = 0,
        point_colour = NA
    ) +

    # 添加箱线图
    geom_boxplot(
        width = 0.12,
        outlier.color = NA,
        alpha = 0.5
    ) +

    # 添加散点（显示原始数据点）
    stat_dots(
        side = "left",
        justification = 1.1,
        binwidth = 0.25
    ) +

    # 设置色盲友好型配色
    scale_fill_viridis(discrete = TRUE) +
    theme_ipsum() +
    theme(legend.position = "none") + 
    labs(x = "") +
    ggtitle("A raincloud plot example")

3.3 ggplot2

主要是geom_boxplot()函数.

3.3.1 基础

Show/Hide Code 
ggplot(mpg, aes(x = class, y = hwy)) + 
    geom_boxplot()

最基础的箱线图
Show/Hide Code 
ggplot(mpg, aes(x=class, y=hwy)) + 
  geom_boxplot(
    color="blue",         # 箱线图边框颜色为蓝色
    fill="blue",          # 箱体填充颜色为蓝色
    alpha=0.2,            # 箱体透明度为0.2，便于观察重叠部分
    
    notch=TRUE,           # 显示缺口，用于比较中位数是否有显著差异
    notchwidth = 0.8,     # 缺口的宽度
    
    outlier.colour="red", # 异常值点的边框颜色为红色
    outlier.fill="red",   # 异常值点的填充颜色为红色
    outlier.size=1        # 异常值点的大小为3
  )

有细腰的箱线图

3.3.2 排序

Show/Hide Code 
mpg |>
  # fct_reorder() 函数排序
  ggplot( aes(x=fct_reorder(class, hwy, .fun='median'), y=hwy)) + 
    geom_boxplot()

用均值排序箱线图

3.3.3 定制外观

Show/Hide Code 
library(patchwork)
 
p1 <- ggplot(mpg, aes(x=class, y=hwy)) + 
    geom_boxplot(color="red", fill="orange", alpha=0.2)
 
p2 <- ggplot(mpg, aes(x=class, y=hwy, fill=class)) + 
    geom_boxplot(alpha=0.3) +
    theme(legend.position="none")

p3 <- ggplot(mpg, aes(x=class, y=hwy, fill=class)) + 
    geom_boxplot(alpha=0.3) +
    theme(legend.position="none") +
    scale_fill_brewer(palette="BuPu") # 调色板
 
p4 <- ggplot(mpg, aes(x=class, y=hwy, fill=class)) + 
    geom_boxplot(alpha=0.3) +
    theme(legend.position="none") +
    scale_fill_brewer(palette="Dark2") # 调色板

p1 + p2 + p3 + p4

改变颜色
Show/Hide Code 
library(hrbrthemes)

mpg |> 
  # 添加一列 'type'，用于标记是否高亮某个组
  mutate(type = ifelse(class == "subcompact", "Highlighted", "Normal")) |>
  
  ggplot(aes(x = class, y = hwy, fill = type, alpha = type)) + 
    geom_boxplot() + 
    scale_fill_manual(values = c("#69b3a2", "grey")) + # 手动设置填充色，高亮组为绿色，其余为灰色
    scale_alpha_manual(values = c(1, 0.1)) + # 手动设置透明度，高亮组为不透明，其余为半透明
    theme_ipsum() + # 使用 hrbrthemes 包的排版主题
    theme(legend.position = "none") + # 不显示图例
    xlab("") # 去除 x 轴标签

高亮某个组

3.3.4 分组/分面

Show/Hide Code 
library(patchwork)
#| fig-cap: 分组箱线图与分面箱线图
# 构造数据
variety = rep(LETTERS[1:7], each = 40) # 7种品种，每种40个观测
treatment = rep(c("high", "low"), each = 20) # 处理分为high和low，每组20个观测
note = seq(1:280) + sample(1:150, 280, replace = TRUE) # 生成note变量，添加一定随机性
data2 = data.frame(variety, treatment, note) # 组合成数据框

# 分组箱线图
ggplot(data2, aes(x = variety, y = note, fill = treatment)) + 
  geom_boxplot()

Show/Hide Code 
# 少分面箱线图
ggplot(data2, aes(x=variety, y=note, fill=treatment)) + 
    geom_boxplot() +
    facet_wrap(~treatment)

Show/Hide Code 
# 多分面箱线图
ggplot(data2, aes(x=variety, y=note, fill=treatment)) + 
    geom_boxplot() +
    facet_wrap(~variety, scale="free") # 自由y轴

3.3.5 不等宽

让箱线图的宽度与样本量成正比

Show/Hide Code 
# 转换为因子类型
mpg$drv <- as.factor(mpg$drv) 
# 创建x轴标签，包含每个drv水平的名称及其对应的样本量
n_xlab <- str_glue("{levels(mpg$drv)}\n(N={table(mpg$drv)})")

ggplot(mpg, aes(x = drv, y = hwy, fill = drv)) + 
    geom_boxplot(varwidth = TRUE, alpha = 0.2) + # varwidth = TRUE 不等宽
    scale_x_discrete(labels = n_xlab) + 
    theme(legend.position = "none")

不等宽箱线图(宽带是样本量)

3.3.6 连续变量

把连续变量分箱后再绘制箱线图。

Show/Hide Code 
diamonds |>
  mutate(bin = cut_width(carat, width = 0.5, boundary = 0)) |>
  ggplot(aes(x = bin, y = price)) +
  geom_boxplot()

连续变量箱线图

3.3.7 添加均值点

Show/Hide Code 
ggplot(mpg, aes(x=drv, y=hwy, fill=drv)) +
    geom_boxplot(alpha=0.7) +
    stat_summary(fun=mean, geom="point", shape=1, size=2, color = 'red') +
    theme(legend.position="none")

添加均值点

3.3.8 带数据点

Show/Hide Code 
# data1 是之前创建的数据集
data1 |> 
  ggplot( aes(x=name, y=value, fill=name)) +
    geom_boxplot() +
    scale_fill_viridis(discrete = TRUE) +  # 好看的色盲友好型颜色,离散变量
    geom_jitter(color="grey", size=0.5, alpha=0.5) +
    theme_ipsum() + # 更适合排版的主题
    theme(legend.position="none") +
    labs(x = "") + 
    ggtitle("A boxplot with jitter")

带抖动的箱线图

3.3.9 散点图外边套箱线图

可以library(ggExtra)来实现更复杂（花哨）的图形，在ggplot2散点图的基础上再叠加箱线图、密度曲线等。

Show/Hide Code 
library(ggExtra)
# 创建ggplot散点图
p <- ggplot(mtcars, aes(x = wt, y = mpg, color = cyl, size = cyl)) +
  geom_point() +
  theme(legend.position = "none")

ggMarginal(p, type = "histogram")

ggMarginal散点图叠加直方图
Show/Hide Code 
ggMarginal(p, type = "density")

ggMarginal散点图叠加密度图
Show/Hide Code 
ggMarginal(p, type = "boxplot")

ggMarginal散点图叠加箱线图

还可以定制化样式：

Show/Hide Code 
# 设置边际直方图的尺寸大小为10
ggMarginal(p, type = "histogram", size = 10)

ggMarginal定制化样式-尺寸大小
Show/Hide Code 
# 设置边际直方图的填充颜色为slateblue，x轴直方图分箱数为10
ggMarginal(p, type = "histogram", fill = "slateblue", xparams = list(bins = 10))

ggMarginal定制化样式-颜色和分箱
Show/Hide Code 
# 只在x轴添加边际图，边际图颜色为紫色，尺寸为4
ggMarginal(p, margins = 'x', color = "purple", size = 4)

ggMarginal定制化样式-颜色和尺寸

3.4 Base R

主要是通过boxplot()函数.

但是 base R 多看一秒都是浪费时间,直接ggplot2吧.

如果实在想学,可以看 r-graph-gallery 的文档。

3.5 Pearl

Show/Hide Code 
palmerpenguins::penguins |>
  drop_na() |>
  ggstatsplot::ggbetweenstats(x = species, y = flipper_length_mm, 1)

带有统计的小提琴箱线图

在 ggstatsplot 可以看到进一步美化。

或者

在 tidyplots 有另一种风格的统计箱线图。