如何在 ggplot2 箱线图中标记异常值

本教程提供了如何在 ggplot2 箱线图中标记离群值的分步示例。

第 1 步：创建数据框

首先，我们创建以下数据框，其中包含三支不同球队的 60 名不同篮球运动员的得分信息：

 #make this example reproducible
set. seeds (1)

#create data frame
df <- data. frame (team=rep(c('A', 'B', 'C'), each= 20 ),
                 player=rep(LETTERS[1:20], times= 3 ),
                 points=round(rnorm(n=60, mean=30, sd=10), 2))

#view head of data frame
head(df)

  team player points
1 AA 23.74
2AB 31.84
3 AC 21.64
4AD 45.95
5 AE 33.30
6 FY 21.80

注意：我们使用set.seed()函数来确保此示例是可重现的。

步骤 2：定义一个函数来识别异常值

在 ggplot2 中，如果观测值满足以下两个要求之一，则将其定义为异常值：

• 观测值是第一个四分位数 (Q1) 以下四分位数间距的 1.5 倍
• 观测值是第三个四分位数 (Q3) 上方四分位数间距的 1.5 倍。

我们可以在 R 中创建以下函数，如果观测值满足这两个要求之一，则将其标记为异常值：

 find_outlier <- function (x) {
  return (x < quantile(x, .25) - 1.5*IQR(x) | x > quantile(x, .75) + 1.5*IQR(x))
}

相关：如何解释四分位数范围

步骤 3：在 ggplot2 的箱线图中标记离群值

然后我们可以使用以下代码来标记 ggplot2 箱线图中的异常值：

 library (ggplot2)
library (dplyr)

#add new column to data frame that indicates if each observation is an outlier
df <- df %>%
        group_by(team) %>%
        mutate(outlier = ifelse(find_outlier(points), points, NA))

#create box plot of points by team and label outliers
ggplot(df, aes(x=team, y=points)) +
  geom_boxplot() +
  geom_text(aes(label=outlier), na. rm = TRUE , hjust= -.5 ) 

请注意，图中标记了两个异常值。

第一个异常值是 A 队得分7.85分的选手，另一个异常值是 B 队得分10.11分的选手。

请注意，我们还可以使用不同的变量来标记这些异常值。

例如，我们可以在mutate()函数中交换玩家的点，以根据玩家的名字标记异常值：

 library (ggplot2)
library (dplyr)

#add new column to data frame that indicates if each observation is an outlier
df <- df %>%
        group_by(team) %>%
        mutate(outlier = ifelse(find_outlier(points), player, NA))

#create box plot of points by team and label outliers
ggplot(df, aes(x=team, y=points)) +
  geom_boxplot() +
  geom_text(aes(label=outlier), na. rm = TRUE , hjust= -.5 ) 

A 队的异常值现在具有标签N ，B 队的异常值现在具有标签D ，因为它们代表得分异常值的球员的姓名。

注意： geom_text()中的hjust参数用于将标签水平向右推，使其不与绘图点重叠。

其他资源

以下教程解释了如何在 ggplot2 中执行其他常见任务：

如何更改ggplot2中的字体大小
如何删除ggplot2中的图例
如何在ggplot2中旋转轴标签