44

我找不到关于箱线图线的端点代表什么的描述。

例如，这里是线结束位置上方和下方的点值。 在此处输入图像描述

（我意识到盒子的顶部和底部是第 25 和第 75 个百分位数，而中心线是第 50 个）。我假设，因为线上方和下方的点不代表最大/最小值。

4

4 回答 4

73

箱线图末尾的“点”代表异常值。确定一个点是否为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”。如果一个数据点是：

  • 小于 Q1 - 1.5*IQR
  • 大于 Q3 + 1.5*IQR

然后该点被归类为“异常值”。晶须定义为：

上须线 = min(max(x), Q_3 + 1.5 * IQR)

下须 = max(min(x), Q_1 – 1.5 * IQR)

其中 IQR = Q_3 – Q_1，盒子长度。因此，上晶须位于最大 x 值和 Q_3 + 1.5 IQR 中的较小者处，而下晶须位于最小 x 值和 Q_1 – 1.5 IQR中的较大者处。

附加信息

  • 有关替代异常值规则，请参阅维基百科箱线图页面。
  • 实际上有多种计算分位数的方法。看看 `?quantile 对九种不同方法的描述。

例子

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： 在此处输入图像描述

当我们将范围从 1.7 减小到 1.5 时，我们会减少晶须的长度。然而，range=0是一个特例——它相当于“range=infinity”

于 2011-02-09T15:38:42.667 回答
15

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，该数据点不超过距离盒子长度的 [1.5] 倍”

参见：boxplot.stats

于 2011-02-09T15:41:43.083 回答
2

P1IMSA 教程 8 - 了解箱线图视频提供了 (Tukey) 箱线图和晶须图的可视化分步说明。

在 4m 23s，我解释了胡须末端的含义及其与 1.5*IQR 的关系。

尽管视频中显示的图表是使用 D3.js 而不是 R 呈现的，但它的解释与提到的箱线图的 R 实现相吻合。

于 2015-04-10T20:25:55.940 回答
0

正如@TemplateRex 在评论中强调的那样，ggplot 不会在上/下四分位数加/减 IQR 的 1.5 倍处绘制胡须。它实际上在 max(x[x < Q3 + 1.5 * IQR]) 和 min(x[x > Q1 + 1.5 * IQR]) 处绘制它们。例如，这是一个使用 geom_boxplot 绘制的图，其中我在值 Q1 - 1.5*IQR 处添加了一条虚线：

在此处输入图像描述

Q1 = 52

Q3 = 65

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

下须线 = 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，但它明白了这一点。

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")
于 2021-01-18T11:59:24.147 回答