R绘图 第四篇：绘制箱图（ggplot2）

箱线图通过绘制观测数据的五数总括，即最小值、下四分位数、中位数、上四分位数以及最大值，描述了变量值的分布情况。箱线图能够显示出离群点(outlier)，离群点也叫做异常值，通过箱线图能够很容易识别出数据中的异常值。

箱线图提供了识别异常值的一个标准：

异常值通常被定义为小于 Q_L - l.5 IQR 或者 大于 Q_u + 1.5 IQR的值，Q_L称为下四分位数， Q_u称为上四分位数，IQR称为四分位数间距，是Q_u上四分位数和Q_L下四分位数之差，其间包括了全部观察值的一半。

箱线图的各个组成部分的名称及其位置如下图所示：

箱线图可以直观地看出数据集的以下重要性值：

中心位置：中位数所在的位置就是数据集的中心；

散布程度：箱线图分为多个区间，区间较短时，表示落在该区间的点较集中；

对称性：如果中位数位于箱子的中间位置，那么数据分布较为对称；如果极值离中位数的距离较大，那么表示数据分布倾斜

一，绘制箱线图

绘制箱线图比较简单，通常情况下，我们使用ggplot和geom_boxplot绘制箱线图，在下面的小节中，我们使用ToothGrowth作为示例数据：

ToothGrowth$dose <- as.factor(ToothGrowth$dose)
head(ToothGrowth)

   len supp dose
1  4.2   VC  0.5
2 11.5   VC  0.5
3  7.3   VC  0.5
4  5.8   VC  0.5
5  6.4   VC  0.5
6 10.0   VC  0.5

1，绘制基本的箱线图

使用geom_boxplot绘制基本的箱线图：

library(ggplot2)

ggplot(ToothGrowth, aes(x=dose, y=len)