Come etichettare i valori anomali nei boxplot in ggplot2

Questo tutorial fornisce un esempio passo passo di come etichettare i valori anomali nei boxplot in ggplot2.

Passaggio 1: creare il frame di dati

Innanzitutto, creiamo il seguente frame di dati che contiene informazioni sui punti segnati da 60 diversi giocatori di basket in tre diverse squadre:

 #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

Nota : abbiamo utilizzato la funzione set.seed() per garantire che questo esempio sia riproducibile.

Passaggio 2: definire una funzione per identificare i valori anomali

In ggplot2, un’osservazione è definita come un valore anomalo se soddisfa uno dei due requisiti seguenti:

• L’osservazione è 1,5 volte l’intervallo interquartile inferiore al primo quartile (Q1)
• L’osservazione è 1,5 volte l’intervallo interquartile sopra il terzo quartile (Q3).

Possiamo creare la seguente funzione in R per etichettare le osservazioni come valori anomali se soddisfano uno di questi due requisiti:

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

Correlato: Come interpretare l’intervallo interquartile

Passaggio 3: etichettare i valori anomali nei boxplot in ggplot2

Quindi possiamo utilizzare il seguente codice per etichettare i valori anomali nei boxplot in ggplot2:

 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 ) 

Si noti che nel grafico sono etichettati due valori anomali.

Il primo valore anomalo è un giocatore della squadra A che ha segnato 7,85 punti e l’altro valore anomalo è un giocatore della squadra B che ha segnato 10,11 punti.

Tieni presente che potremmo anche utilizzare una variabile diversa per etichettare questi valori anomali.

Ad esempio, potremmo scambiare i punti del giocatore nella funzione mutate() per etichettare i valori anomali in base al nome del giocatore:

 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 ) 

Il valore anomalo della squadra A ora ha un’etichetta N e il valore anomalo della squadra B ora ha un’etichetta D , poiché questi rappresentano i nomi dei giocatori che hanno valori anomali per i punti.

Nota : l’argomento hjust in geom_text() viene utilizzato per spostare l’etichetta orizzontalmente verso destra in modo che non si sovrapponga al punto del tracciato.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni in ggplot2:

Come cambiare la dimensione del carattere in ggplot2
Come rimuovere una legenda in ggplot2
Come ruotare le etichette degli assi in ggplot2