怎样调整input框背景颜色_怎样画出漂亮的箱型图和中位数折线图-CSDN博客

废话不多说，先上图：

此图⽐普通的均值折线图代表了更多的信息。下⾯我就⼀步⼀步展示怎样得到这样的 boxplot 和中位数折线图。主要⽤到2个 R 包 latex2exp 和 ggplot2. ggplot2是画图的主⻆，latex2exp可以让 legend， title，x-axis label 和 y-axis label 的中的$LaTeX$ 正常显示，如上图中的$M_{alpha}$ 和 $M_{beta}$。下⾯我介绍⼀下数据的类型。

数据说明

在统计实验中，我们会遇到这样类型的数据：$x$ 表示条件，等间隔取值。⽐如在上图中我给的$x$值是：-0.95：0.1：0.95，间隔 0.1，共 20 个值。在每个指定的 $x_i,i=1,...,20$下，我们⽐较两种统计⽅法：$M_{alpha}$ 和 $M_{beta}$，计算他们各⾃的损失，并且每种⽅法重复$N$次。这样我们分别得到 2 个loss matrix，⼤⼩是：$20imes N$。

基本逻辑

ggplot2包的精髓就是图层(layer), 通过控制图层，我们⼏乎可以画出任何精美的图表，也正因为如此，ggplot2 的主要作者Hadley Wickham 2019 年获得了号称"统计学界诺⻉尔奖"--COPSS Presidents ̓Award。拿⼤神的⼯具来画上⾯的图，当然是⼩菜⼀碟了，就像做三明治，我们⼀层⼀层的把需要的图层叠加起来就得到了需要的图。

箱型图

在画箱型图之前，我们需要对损失矩阵做⼀下处理，先贴代码：

m_alpha_df

m_alpha 和 m_beta 分别代表$M_{alpha}$ 和 $M_{beta}$⽅法得到的矩阵。m_alpha_df 是数据框(dataframe)，⾥⾯有两个变量 loss 和 cond， loss就是损失矩阵按列拉直， cond是$x$ 重复$N$次。m_median 表示中位数的数据框：loss表示取⾏的中位数后，再组合成列向量；cond 是$x$ 重复$2$次；method 是因⼦变量，⽤ 0 表示$M_{alpha}$，1 表示 $M_{beta}$。

⽤如下的代码就可以得到箱型图

p_compare

现在箱型图还很不完美，x 轴和 y 轴的标题不对，背景是灰⾊的，并且带有⽹格，表格没有边界框，等等。

但是不要着急，我们后⾯会慢慢调整过来。

中位数折现线图

实际上，上⾯的箱型图是三个图层的叠加，因此中位数折线图只需要在原来的基础上再多加两⾏命令即可：

p_compare

细⼼的⼩伙伴肯定发现，boxplot 和中位数折线图的颜⾊不⼀致，等会我会告诉⼤家怎样⼿动去调节颜⾊。

注意：实际上我们是加了两个图层：⼀个是点图层，⼀个是线图层，实际上每个图层都带有 legend。为了使两个图层的 legend 统⼀，我令 aes 函数中的 shape，color，都取值为 method 因⼦变量。⼩伙伴们可以修改⼀下参数，看看会发⽣什么样的结果。对于怎样把 multiple legend 合并为⼀个，可以参考：https://stackoverflow.com/questions/37140266/how-to-merge-color-line-style-and-shape-legends-in-ggplot。

修饰Legend，背景和配⾊

我们有以下⼏个任务：

把 legend 移动到左上的位置
把图⽚背景和 legend背景改为⽩⾊
去掉⽹格(grid)
去掉 legned name, 也就是 method

p_compare

现在还有个很重要的问题：boxplot 和 line 的颜⾊不匹配，为了简单起⻅，我们改动了 boxplot 的颜⾊

p_compare

m_alpha_df 的颜⾊改为"#F8766D"，m_beta_df 的颜⾊改为"#00BFC4"。⼩伙伴⼜会问，那这两个颜⾊我是怎样知道的？

其实很简单，⽤如下命令：

ggplot_build(p_compare)$data>   colour     x         y PANEL group flipped_aes size linetype alpha1  #F8766D -0.95 0.7065639     1     1       FALSE  0.5        1    NA2  #F8766D -0.85 0.7018750     1     1       FALSE  0.5        1    NA3  #F8766D -0.75 0.6933298     1     1       FALSE  0.5        1    NA4  #F8766D -0.65 0.6946119     1     1       FALSE  0.5        1    NA5  #F8766D -0.55 0.6913419     1     1       FALSE  0.5        1    NA6  #F8766D -0.45 0.6940689     1     1       FALSE  0.5        1    NA7  #F8766D -0.35 0.7124416     1     1       FALSE  0.5        1    NA8  #F8766D -0.25 0.7352228     1     1       FALSE  0.5        1    NA9  #F8766D -0.15 0.7517063     1     1       FALSE  0.5        1    NA10 #F8766D -0.05 0.7758747     1     1       FALSE  0.5        1    NA11 #F8766D  0.05 0.8114694     1     1       FALSE  0.5        1    NA12 #F8766D  0.15 0.8534218     1     1       FALSE  0.5        1    NA13 #F8766D  0.25 0.8812675     1     1       FALSE  0.5        1    NA14 #F8766D  0.35 0.9191502     1     1       FALSE  0.5        1    NA15 #F8766D  0.45 0.9610939     1     1       FALSE  0.5        1    NA16 #F8766D  0.55 1.0089209     1     1       FALSE  0.5        1    NA17 #F8766D  0.65 1.0707904     1     1       FALSE  0.5        1    NA18 #F8766D  0.75 1.1160649     1     1       FALSE  0.5        1    NA19 #F8766D  0.85 1.1780385     1     1       FALSE  0.5        1    NA20 #F8766D  0.95 1.2526302     1     1       FALSE  0.5        1    NA21 #00BFC4 -0.95 0.2404232     1     2       FALSE  0.5        1    NA22 #00BFC4 -0.85 0.2458214     1     2       FALSE  0.5        1    NA23 #00BFC4 -0.75 0.2610919     1     2       FALSE  0.5        1    NA24 #00BFC4 -0.65 0.2772833     1     2       FALSE  0.5        1    NA25 #00BFC4 -0.55 0.3023408     1     2       FALSE  0.5        1    NA26 #00BFC4 -0.45 0.3307433     1     2       FALSE  0.5        1    NA27 #00BFC4 -0.35 0.3587650     1     2       FALSE  0.5        1    NA28 #00BFC4 -0.25 0.3871197     1     2       FALSE  0.5        1    NA29 #00BFC4 -0.15 0.4165976     1     2       FALSE  0.5        1    NA30 #00BFC4 -0.05 0.4459193     1     2       FALSE  0.5        1    NA31 #00BFC4  0.05 0.4716478     1     2       FALSE  0.5        1    NA32 #00BFC4  0.15 0.4942769     1     2       FALSE  0.5        1    NA33 #00BFC4  0.25 0.5130827     1     2       FALSE  0.5        1    NA34 #00BFC4  0.35 0.5299724     1     2       FALSE  0.5        1    NA35 #00BFC4  0.45 0.5444487     1     2       FALSE  0.5        1    NA36 #00BFC4  0.55 0.5593016     1     2       FALSE  0.5        1    NA37 #00BFC4  0.65 0.5774040     1     2       FALSE  0.5        1    NA38 #00BFC4  0.75 0.5975926     1     2       FALSE  0.5        1    NA39 #00BFC4  0.85 0.6272819     1     2       FALSE  0.5        1    NA40 #00BFC4  0.95 0.6637228     1     2       FALSE  0.5        1    NA

这样我们就把颜⾊调成统⼀的了。当然也可以更改线和点的颜⾊，有兴趣的可以尝试⼀下。

$LaTeX$ 表达式

最后我们修改横纵轴的标题，给图加 title，把 legend 中的 0 和 1 替换为$M_{alpha}$ 和 $M_{beta}$。这部

分很简单，直接贴全部代码：

library(latex2exp)library(ggplot2)m_alpha_df

注意： scale_colour_discrete 和 scale_shape_discrete中参数 labels 必须是 list 类型。

到此为⽌，我已经把做 boxplot 和中位数折线图⼀步⼀步给⼤家分享了，有兴趣的同学在此基础上可以修改，增删代码，若是引⽤，转载，请⽤超链接引⽤本⽹址，谢谢！