boxplot() i R: Hvordan lage BoxPlotter i RStudio [Eksempler]

boxplot() i R

boxplot() i R hjelper til med å visualisere fordelingen av dataene etter kvartil og oppdage tilstedeværelsen av uteliggere. Du kan bruke det geometriske objektet geom_boxplot() fra ggplot2-biblioteket til å tegne et boxplot() i R.

Vi vil bruke luftkvalitetsdatasettet til å introdusere boxplot() i R med ggplot. Dette datasettet måler luftkvaliteten i New York fra mai til september 1973. Datasettet inneholder 154 observasjoner. Vi vil bruke følgende variabler:

• Ozon: Numerisk variabel
• Vind: Numerisk variabel
• Måned: mai til september. Numerisk variabel

Opprett Box Plott

Før du begynner å lage ditt første boxplot() i R, må du manipulere dataene som følger:

• Trinn 1: Importer dataene
• Trinn 2: Slipp unødvendige variabler
• Trinn 3: Konverter måned i faktornivå
• Trinn 4: Lag en ny kategorisk variabel som deler måneden med tre nivåer: begynnelse, midt og slutt.
• Trinn 5: Fjern manglende observasjoner

Alle disse trinnene gjøres med dplyr og rørledningsoperatøren %>%.

library(dplyr)
library(ggplot2)
# Step 1
data_air <- airquality % > %

#Step 2
select(-c(Solar.R, Temp)) % > %

#Step 3
mutate(Month = factor(Month, order = TRUE, labels = c("May", "June", "July", "August", "September")), 
       
#Step 4 
day_cat = factor(ifelse(Day < 10, "Begin", ifelse(Day < 20, "Middle", "End"))))

En god praksis er å sjekke strukturen til dataene med funksjonen glimpse().

glimpse(data_air)

Utgang:

## Observations: 153
## Variables: 5
## $ Ozone   <int> 41, 36, 12, 18, NA, 28, 23, 19, 8, NA, 7, 16, 11, 14, ...
## $ Wind    <dbl> 7.4, 8.0, 12.6, 11.5, 14.3, 14.9, 8.6, 13.8, 20.1, 8.6...
## $ Month   <ord> May, May, May, May, May, May, May, May, May, May, May,...
## $ Day     <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,...
## $ day_cat <fctr> Begin, Begin, Begin, Begin, Begin, Begin, Begin, Begi...

Det er NA-er i datasettet. Å fjerne dem er lurt.

# Step 5
data_air_nona <-data_air %>% na.omit()	

Grunnleggende boksplott

La oss plotte det grunnleggende R-boksplot() med fordelingen av ozon etter måned.

# Store the graph
box_plot <- ggplot(data_air_nona, aes(x = Month, y = Ozone))
# Add the geometric object box plot
box_plot +
    geom_boxplot()

Kode Forklaring

• Lagre grafen for videre bruk
  • box_plot: Du lagrer grafen i variabelen box_plot. Det er nyttig for videre bruk eller unngå for komplisert kodelinje
• Legg til det geometriske objektet til R boxplot()
  • Du sender datasettet data_air_nona til ggplot boxplot.
  • Inne i aes()-argumentet legger du til x-aksen og y-aksen.
  • +-tegnet betyr at du vil at R skal fortsette å lese koden. Det gjør koden mer lesbar ved å bryte den.
  • Bruk geom_boxplot() for å lage et boksplott

Utgang:

Bytt side av grafen

Du kan snu siden av grafen.

box_plot +
  geom_boxplot()+
  coord_flip()

Kode Forklaring

• box_plot: Du bruker grafen du lagret. Den unngår å skrive om alle kodene hver gang du legger til ny informasjon i grafen.
• geom_boxplot(): Lag boxplots() i R
• coord_flip(): Vend siden av grafen

Utgang:

Endre farge på ytterside

Du kan endre farge, form og størrelse på uteliggere.

box_plot +
    geom_boxplot(outlier.colour = "red",
        outlier.shape = 2,
        outlier.size = 3) +
    theme_classic()

Kode Forklaring

• outlier.colour=”rød”: Kontroller fargen på uteliggere
• outlier.shape=2: Endre formen på uteliggeren. 2 refererer til trekant
• outlier.size=3: Endre størrelsen på trekanten. Størrelsen er proporsjonal med antallet.

Utgang:

Legg til en sammendragsstatistikk

Du kan legge til en oppsummeringsstatistikk til R boxplot().

box_plot +
    geom_boxplot() +
    stat_summary(fun.y = mean,
        geom = "point",
        size = 3,
        color = "steelblue") +
    theme_classic()

Kode Forklaring

• stat_summary() tillater å legge til et sammendrag til det horisontale boksplot R
• Argumentet fun.y styrer statistikken som returneres. Du vil bruke middel
• Merk: Annen statistikk er tilgjengelig som min og maks. Mer enn én statistikk kan vises i samme graf
• geom = "punkt": Plott gjennomsnittet med et punkt
• størrelse=3: Størrelsen på punktet
• farge =”stålblå”: Farge på punktene

Utgang:

Box Plott med prikker

I neste horisontale boksplott R legger du til punktplottlagene. Hver prikk representerer en observasjon.

box_plot +
    geom_boxplot() +
    geom_dotplot(binaxis = 'y',
        dotsize = 1,
        stackdir = 'center') +
    theme_classic()

Kode Forklaring

• geom_dotplot() gjør det mulig å legge til dot til beholderens bredde
• binaxis='y': Endre posisjonen til prikkene langs y-aksen. Som standard, x-aksen
• dotsize=1: Størrelsen på prikkene
• stackdir='center': Måte å stable prikkene på: Fire verdier:
  • "opp" (standard),
  • "ned"
  • "senter"
  • "hele midten"

Utgang:

Kontroll Estetikk av Box Plott

Endre fargen på boksen

Du kan endre fargene på gruppen.

ggplot(data_air_nona, aes(x = Month, y = Ozone, color = Month)) +
    geom_boxplot() +
    theme_classic()

Kode Forklaring

• Fargene til gruppene kontrolleres i aes()-tilordningen. Du kan bruke color= Month for å endre fargen på boksen og værhårsplottet i henhold til månedene

Utgang:

Box plott med flere grupper

Det er også mulig å legge til flere grupper. Du kan visualisere forskjellen i luftkvaliteten i henhold til måledagen.

ggplot(data_air_nona, aes(Month, Ozone)) +
    geom_boxplot(aes(fill = day_cat)) +
    theme_classic()

Kode Forklaring

• Aes()-tilordningen av det geometriske objektet kontrollerer gruppene som skal vises (denne variabelen må være en faktor)
• aes(fill= day_cat) lar deg lage tre bokser for hver måned i x-aksen

Utgang:

Box Plott med rystede prikker

En annen måte å vise prikken på er med rystede punkter. Det er en praktisk måte å visualisere punkter med boxplot for kategoriske data i R-variabel.

Denne metoden unngår overlapping av de diskrete dataene.

box_plot +
    geom_boxplot() +
    geom_jitter(shape = 15,
        color = "steelblue",
        position = position_jitter(width = 0.21)) +
    theme_classic()

Kode Forklaring

• geom_jitter() legger til litt forfall til hvert punkt.
• shape=15 endrer formen på punktene. 15 representerer rutene
• farge = "stålblå": Endre fargen på punktet
• position=position_jitter(width = 0.21): Måte å plassere de overlappende punktene. position_jitter(width = 0.21) betyr at du flytter punktene med 20 prosent fra x-aksen. Som standard, 40 prosent.

Utgang:

Du kan se forskjellen mellom den første grafen med jittermetoden og den andre med punktmetoden.

box_plot +
    geom_boxplot() +
    geom_point(shape = 5,
        color = "steelblue") +
    theme_classic()

hakk Box Plott

Et interessant trekk ved geom_boxplot(), er en notched boxplot-funksjon i R. Notchplotten begrenser boksen rundt medianen. Hovedformålet med et hakkede boksplott er å sammenligne betydningen av medianen mellom grupper. Det er sterke bevis for at to grupper har forskjellige medianer når hakkene ikke overlapper hverandre. Et hakk beregnes som følger:

med er interkvartil og antall observasjoner.

box_plot +
    geom_boxplot(notch = TRUE) +
    theme_classic()

Kode Forklaring

• geom_boxplot(notch=TRUE): Lag et horisontalt boksplot R med hakk

Utgang:

Sammendrag

Vi kan oppsummere de forskjellige typene horisontale boksplott R i tabellen nedenfor:

ggplot(df, aes( x = x1, y =y)) + geom_boxplot()

ggplot(df, aes( x = x1, y =y)) + geom_boxplot() + coord_flip()

ggplot(df, aes( x = x1, y =y)) + geom_boxplot(notch=TRUE)

ggplot(df, aes( x = x1, y =y)) + geom_boxplot() + geom_jitter(position = position_jitter(0.21))

Sjekk også: - R-opplæring for nybegynnere: Lær R-programmeringsspråk