R语言制作箱型图

箱型图 及其在 R语言中的制作

箱线图（Boxplot）也称箱须图（Box-whiskerPlot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。

箱形图提供了一种只用5个点对数据集做简单总结的方式。这5个点包括中点、Q1、Q3、分部状态的高位和低位。箱形图很形象的分为中心、延伸以及分部状态的全部范围
箱形图中最重要的是对相关统计点的计算,相关统计点都可以通过百分位计算方法进行实现。
如何看箱线图：
同一数轴上，几批数据的箱形图并行排列，几批数据的中位数、尾长、异常值、分布区间等形状信息便一目了然。在一批数据中，哪几个数据点出类拔萃，哪些数据点表现不及一般，这些数据点放在同类其它群体中处于什么位置，可以通过比较各箱形图的异常值看出。各批数据的四分位距大小，正常值的分布是集中还是分散，观察各方盒和线段的长短便可明了。每批数据分布的偏态如何，分析中位线和异常值的位置也可估计出来。还有一些箱形图的变种，使数据批间的比较更加直观明白。例如有一种可变宽度的箱形图，使箱的宽度正比于批量的平方根，从而使批量大的数据批有面积大的箱，面积大的箱有适当的视觉效果。如果对同类群体的几批数据的箱形图进行比较，分析评价，便是常模参照解释方法的可视图示;如果把受测者数据批的箱形图与外在效标数据批的箱形图比较分析，便是效标参照解释的可视图示。箱形图结合这些分析方法用于质量管理、人事测评、探索性数据分析等统计分析活动中去，有助于分析过程的简便快捷，其作用显而易见。

curve1_5  Area baseLen Depth Perimeter alias1 5.9894861 8.393450e+00 1.01030573 1.623014e+01 curve1 23.9382811 6.239391e+00 1.54823614 1.301687e+01 curve1 313.6082464 1.531829e+01 8.52119485 3.083532e+01 curve1 48.4436844 9.124144e+00 5.50079233 1.994921e+01 curve1 56.6719180 9.082401e+00 2.65346364 1.880226e+01 curve1 616.4959921 1.529706e+01 12.08074678 3.456281e+01 curve1 714.2791526 1.330940e+01 8.40908506 3.224605e+01 curve1 86.8884942 6.824222e+00 2.36805240 1.641904e+01 curve1 910.2329548 1.197080e+01 6.71134084 2.644158e+01 curve1 106.2097317 1.349741e+01 1.63217098 2.215243e+01 curve1 119.0054671 1.228007e+01 1.79966383 2.251127e+01 curve1 126.2249343 8.786353e+00 1.17908849 1.719538e+01 curve1 138.2143612 1.520855e+01 2.85628444 2.572754e+01 curve1 145.9918285 8.537564e+00 1.10688353 1.643896e+01 curve1 boxplot(Depth~alias,data=curve1_5) boxplot(Depth~alias,data=curve6_10) boxplot(Depth~alias,data=curve10_15) par(pld.par)  boxplot(Depth~alias,data=curve16_20)