R语言统计分析——箱线图

参考资料：R语言实战【第2版】

        箱线图（又称盒须图）通过绘制连续型变量的五数总括，即最小值、下四分位数（第25百分位数）、中位数（第50百分位数）、上四分位数（第75百分位数）以及最大值，描述了连续型变量的分布。

        箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测。

        默认情况下，两条须的延伸极限不会超过盒型各端加1.5倍四分位距的范围，此范围以外的值将以点来表示。

1、使用并列箱形图进行跨组比较

        箱线图可以展示单个变量或分组变量。使用格式为：

        boxplot(formula,data=dataframe)

其中，formula是一个公式，dataframe代表提供数据数据框（或列表）。一个示例公式为：有~A，这将为类别型变量A的每个值并列地生成数值型变量的y的箱线图。公式y~A*B则价格为类别型变量A和B所有水平的两两组合生成数值型变量y的箱线图。

        田间参数varwidth=TRUE将是箱线图的宽度与其样本大小的平方根成正比。参数horizontal=TRUE可以反转坐标轴的方向。

boxplot(mpg~cyl,data=mtcars,
        main="Car Mileage Data",
        xlab="Number of Cylinder",
        ylab="Mile Per Gallon")

        结果解读：不同组间油耗的区别非常明显。且：六缸车型的每加仑汽油行驶的英里数分布较其他两类车型更为均匀。与六缸和八缸车型相比，四缸车型的每加仑汽油行驶的英里数分布最广。

        箱线图灵活多变，通过添加notch=TRUE，可以得到含有凹槽的箱线图。若两个箱的凹槽互不重叠，则表明他们的中位数有显著差异。

boxplot(mpg~cyl,data=mtcars,
        notch=TRUE,
        varwidth=TRUE,
        col="red",
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

        由上图可看出四缸、六缸、八缸的油耗中位数是明显不同的，随着汽缸数的增加，每加仑汽油行驶里程约小。即随着汽缸数的减少，油耗明显降低。

# 两个交叉因子的箱线图
mtcars$cyl.f<-factor(mtcars$cyl,
                     levels=c(4,6,8),
                     labels=c("4","6","8"))
mtcars$am.f<-factor(mtcars$am,
                    levels=c(0,1),
                    labels=c("auto","standard"))
boxplot(mpg~am.f*cyl.f,
        data=mtcars,
        varwidth=TRUE,
        col=c('gold','darkgreen'),
        main="MPG Distribution by Auto Type",
        xlab="Auto Type",
        ylab="Miles Per Gallon")

2、小提琴图

        小提琴图（violin plot）是箱线图的一个变种。小提琴图是箱线图与核密度图的结合。可以使用vioplot包中的vioplot()函数进行绘制。第一次使用之前需要安装vioplot包。

        注意，vioplot()函数需要将绘制的不同组分离到不同的变量中。

install.packages("vioplot")
library(vioplot)
x1<-mtcars$mpg[mtcars$cyl==4]
x2<-mtcars$mpg[mtcars$cyl==6]
x3<-mtcars$mpg[mtcars$cyl==8]
vioplot(x1,x2,x3,
        names=c("4 cyl","6 cyl","8 cyl"),
        col="gold")
title("Vilon Plots of Miles Per Gallon",
      xlab="Number of cylinders",
      ylab="Miles Per Gallon")

        小提琴图基本上是核密度图以镜像方式在箱线图上的叠加。在上图中：白点是中位数，黑色盒型的方位是下四分位数到上四分位数，细黑线表示须。外部形状即为和密度估计。