ggplot2箱式图两两比较_个人向ggplot2箱线图总结

主要从如何看图、用图与作图三个方面来对箱线图进行理解和总结。

1、看图

箱线图概述图1

箱线图概述图2

如图所示，箱线图是将一组数据按照大小顺序排列后进行绘制的，包含6个数据节点，分别表示出数据的上边缘、上四分位数点Q3(数据从小到大排列后处在75％位置上的数据)、中位数、下四分位数Q1(数据从小到大排列后处在25％位置上的数据)、下边缘和异常值。由此，箱线图很形象地分为中心、延伸以及分布状态的全部范围。

异常值的筛选是根据数值与外限和内限的位置差异来进行的。内限即异常值截断点为Q3+1.5IQR和Q1-1.5IQR，外限为Q3+3IQR和Q1-3IQR。其中IQR=Q3-Q1，为四分位距。处在内限以外位置的点表示的数据都是异常值，其中在内限与外限之间的异常值为温和异常值，在外限以外的为极端异常值。软件绘图中一般不会标出内限和外限。

2、用图

2、1 可以用于反映数据的形状

除须以外，箱子包含了50％的数据，因此，箱子的宽度在一定程度上反映了数据的波动程度，箱子越扁说明数据越集中，须越短也说明数据越集中。

2、2 可以用于反映数据的偏态

中位数如果偏离上下四分位数的中心位置，分布的偏态性就越强。当中位数靠近上四分位点时，说明下四分位点与中位数之间的数据变化幅度大，中位数与上四分位点之间的数据变化幅度小；当中位数靠近下四分位点时，则反之。

2、3 可以用于表示数据的变化趋势或者进行数据之间比较

将多个箱线并行排列，可以看出数据整体的变化趋势。如下图中可以很明显的看出60天向100天过渡的过程中，长度的总体态势是逐渐增长的，但是113天却往下掉了。

boxplot of length.jpeg

同时也将几批数据的箱线图并行排列后，这几批数据的中位数、尾长、异常值和分布区间等信息一目了然，可以进行粗略的比较，如下图所示。

并行排列几批数据后绘制成的箱线图

2、4 可以用于体现与筛选数据的异常值

异常值的存在会对数据的计算分析过程产生影响，因此如果能体现与筛选异常值，分析其产生的原因，就可以发现问题并进而进行改进。识别异常值的经典方法中3σ法则和z分数法都是以数据服从正态分布为前提进行筛选的，而箱线图的绘制是依靠实际数据，不需事先假定数据服从的分布形式，同时因为四分位数具有一定的耐抗性，所以利用箱线图识别异常值的结果会比较客观。

3、作图

箱线图的数据格式通常为两列，一列为类型变量，表示所属类别；一类为连续型数字变量，表示数值。通过这样的两列绘制出来的箱线图称为并列箱线图。而在某些情况中，需要绘制分组的箱线图进行比较，这样子就需要三个变量，即三列，包括两列类型变量和一列连续型的数字变量。

并列型箱线图

并列型箱线图的数据

分组型箱线图

分组型箱线图的数据

3、1 并列型箱线图作图

命令格式为

ggplot(表名，aes(x=表中列，y=表中列))+geom_boxplot(aes(fill=表中用于分类的列))

用fill分类完以后会自动填