在GGPLOT2着色箱线图离群点？(Coloring boxplot outlier points

2019-07-21 03:52发布

站内文章 / 移动开发
31 0 0

我怎样才能在颜色的GGPLOT2离群点？ 我想他们是在颜色箱线图本身相同。 colour=不足以做到这一点。

例： 

p <- ggplot(mtcars, aes(factor(cyl), mpg))
p + geom_boxplot(aes(colour=factor(cyl)))

我想作为着色异常值factor(cyl)为好。 这不起作用： 

> p <- ggplot(mtcars, aes(factor(cyl), mpg))
> p + geom_boxplot(aes(colour=factor(cyl), outlier.colour=factor(cyl)))

Answer 1:

为了上色离群点与您的箱线图，你会需要计算的异常值，并分别绘制出来。 据我所知，着色异常颜色都异常同色系的内置选项。

帮助文件示例

使用相同的数据“geom_boxplot”帮助文件： 

ggplot(mtcars, aes(x=factor(cyl), y=mpg, col=factor(cyl))) +
    geom_boxplot()

着色离群点

现在有可能做到这一点更精简的方式，但我更喜欢用手工计算的东西，所以我不必去猜测什么引擎盖下回事。 使用“plyr”包，我们可以迅速得到上限和下限为使用默认的用于确定孤立点，其在该范围之外的任何点（图基）方法[Q1 - 1.5 * IQR，Q3 + 1.5 * IQR]。 Q1和Q3是数据的1/4和3/4分位数，和IQR = Q3 - Q1。 我们可以写这一切作为一个巨大的语句，但由于“plyr”包装的“变异”功能将让我们引用新创建的列，我们不妨起来把它分解为更容易阅读/调试，就像这样： 

library(plyr)
plot_Data <- ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4), IQR=Q3-Q1, upper.limit=Q3+1.5*IQR, lower.limit=Q1-1.5*IQR)

我们使用“ddply”功能，因为我们正在输入的数据帧，并希望的数据帧作为输出（“D-> d”帘布层）。 在上述“ddply”语句的“发生变异”功能被保留原始数据帧并添加额外的列，并且的规格.(cyl)说的是功能的“缸”值中的每个分组进行计算。

在这一点上，我们现在可以绘制箱线图，然后用新的，颜色点覆盖异常值。 

ggplot() +
    geom_boxplot(data=plot_Data, aes(x=factor(cyl), y=mpg, col=factor(cyl))) + 
    geom_point(data=plot_Data[plot_Data$mpg > plot_Data$upper.limit | plot_Data$mpg < plot_Data$lower.limit,], aes(x=factor(cyl), y=mpg, col=factor(cyl)))

我们正在做的代码是指定一个空的“ggplot”层，使用独立的数据相加箱线图和点的几何形状。 箱线图的几何形状可以使用原始数据帧，但我使用我们新的“plot_Data”是一致的。 该点的几何形状，然后只绘制离群点，用我们的新的“lower.limit”和“upper.limit”列，以确定异常状态。 由于我们使用相同规格的“x”和“关口”美学参数，颜色神奇的盒形图和相应的离群点之间的匹配。

更新 ：OP请求在这段代码中使用了“ddply”功能更完整的解释。 这里是：

功能的“plyr”家庭基本上子集划分数据和对数据的每个子集执行功能的一种方式。 在这种特殊情况下，我们的声明： 

ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4), IQR=Q3-Q1, upper.limit=Q3+1.5*IQR, lower.limit=Q1-1.5*IQR)

让我们打破这在声明将被写入的顺序。 首先，“ddply”功能的选择。 我们要计算在“mtcars”数据“团”的每一个值的上限和下限。 我们可以写一个“for”循环或其他语句来计算这些值，但随后我们将不得不另写逻辑块后评估异常状态。 相反，我们想用“ddply”来计算的上限和下限，并将这些值添加到每个行。 我们选择“ddply”（而不是“dlply”，“d_ply”等），因为我们正在输入的数据帧和想要的数据帧输出。 这给了我们： 

ddply(

我们希望将“mtcars”数据帧上执行语句，所以我们补充说。 

ddply(mtcars,

现在，我们要执行用“团”值我们的计算为分组变量。 我们使用“plyr”功能.()来引用变量本身，而不是变量的值，如下所示： 

ddply(mtcars, .(cyl),

接下来的参数指定适用于每个组的功能。 我们希望我们的计算，以新行添加到旧的数据，所以我们选择了“发生变异”功能。 这将保留旧的数据，并增加了新的计算作为新列。 这是相对于如“总结”，其除去所有旧的列以外的分组varaible（多个）其他功能。 

ddply(mtcars, .(cyl), mutate,

最后一系列的参数都是我们要创建数据的新列。 我们通过指定一个名字（无引号）和表达式定义这些。 首先，我们创建了“Q1”列。 

ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4),

在“Q3”列类似地计算。 

ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4),

幸运的是，与“发生变异”功能，我们可以使用新创建的列，其他列的定义的一部分。 这让我们可以写一个巨大的函数或不必运行多个功能。 我们需要在四分位数间距为“IQR”变量的计算中使用的“Q1”和“Q3”，这很容易与“发生变异”功能。 

ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4), IQR=Q3-Q1,

我们终于在这里我们想现在就可以。 我们在技术上并不需要的“Q1”，“Q3”和“IQR”列，但它确实让我们的下限和上限方程一个更容易阅读和调试。 我们可以写我们的表现就像理论公式： limits=+/- 1.5 * IQR 

ddply(mtcars, .(cyl), mutate, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4), IQR=Q3-Q1, upper.limit=Q3+1.5*IQR, lower.limit=Q1-1.5*IQR)

切割出来的可读性中柱，这就是新的数据帧的样子： 

plot_Data[, c(-3:-11)]
#     mpg cyl    Q1    Q3  IQR upper.limit lower.limit
# 1  22.8   4 22.80 30.40 7.60      41.800      11.400
# 2  24.4   4 22.80 30.40 7.60      41.800      11.400
# 3  22.8   4 22.80 30.40 7.60      41.800      11.400
# 4  32.4   4 22.80 30.40 7.60      41.800      11.400
# 5  30.4   4 22.80 30.40 7.60      41.800      11.400
# 6  33.9   4 22.80 30.40 7.60      41.800      11.400
# 7  21.5   4 22.80 30.40 7.60      41.800      11.400
# 8  27.3   4 22.80 30.40 7.60      41.800      11.400
# 9  26.0   4 22.80 30.40 7.60      41.800      11.400
# 10 30.4   4 22.80 30.40 7.60      41.800      11.400
# 11 21.4   4 22.80 30.40 7.60      41.800      11.400
# 12 21.0   6 18.65 21.00 2.35      24.525      15.125
# 13 21.0   6 18.65 21.00 2.35      24.525      15.125
# 14 21.4   6 18.65 21.00 2.35      24.525      15.125
# 15 18.1   6 18.65 21.00 2.35      24.525      15.125
# 16 19.2   6 18.65 21.00 2.35      24.525      15.125
# 17 17.8   6 18.65 21.00 2.35      24.525      15.125
# 18 19.7   6 18.65 21.00 2.35      24.525      15.125
# 19 18.7   8 14.40 16.25 1.85      19.025      11.625
# 20 14.3   8 14.40 16.25 1.85      19.025      11.625
# 21 16.4   8 14.40 16.25 1.85      19.025      11.625
# 22 17.3   8 14.40 16.25 1.85      19.025      11.625
# 23 15.2   8 14.40 16.25 1.85      19.025      11.625
# 24 10.4   8 14.40 16.25 1.85      19.025      11.625
# 25 10.4   8 14.40 16.25 1.85      19.025      11.625
# 26 14.7   8 14.40 16.25 1.85      19.025      11.625
# 27 15.5   8 14.40 16.25 1.85      19.025      11.625
# 28 15.2   8 14.40 16.25 1.85      19.025      11.625
# 29 13.3   8 14.40 16.25 1.85      19.025      11.625
# 30 19.2   8 14.40 16.25 1.85      19.025      11.625
# 31 15.8   8 14.40 16.25 1.85      19.025      11.625
# 32 15.0   8 14.40 16.25 1.85      19.025      11.625

只是为了给一个对比，如果我们做同样的“ddply”语句的“总结”功能，相反，我们将有所有相同的答案，但没有其他数据的列。 

ddply(mtcars, .(cyl), summarize, Q1=quantile(mpg, 1/4), Q3=quantile(mpg, 3/4), IQR=Q3-Q1, upper.limit=Q3+1.5*IQR, lower.limit=Q1-1.5*IQR)
#   cyl    Q1    Q3  IQR upper.limit lower.limit
# 1   4 22.80 30.40 7.60      41.800      11.400
# 2   6 18.65 21.00 2.35      24.525      15.125
# 3   8 14.40 16.25 1.85      19.025      11.625


Answer 2:

更新（2015年3月31日）：看@ TARCH对解决ggplot2 > = 1.0.0

对于溶液ggplot2 <= 0.9.3如下。

正如@koshke所述，具有着色像箱（未填充颜色）的线的异常值是现在通过设置容易地outlier.colour = NULL ： 

p <- ggplot(mtcars, aes(x=factor(cyl), y=mpg, col=factor(cyl)))
p + geom_boxplot(outlier.colour = NULL)

  • outlier.colour必须以“OU”被写入
  • outlier.colour必须是外aes ()

我张贴这是一个迟到的回答，因为我发现自己一次又一次地寻找这件事，我的贴吧也为相关问题的箱形图，如何搭配离群颜色填充美学？



Answer 3:

我找到了解决的事实，设置geom_boxplot(outlier.colour = NULL)并不R中的最新版（@hamy谈到GGPLOT2的1.0.0版本）工作了。

为了复制这种@cbeleites提出的行为，你只需要使用下面的代码： 

update_geom_defaults("point", list(colour = NULL))
m <- ggplot(movies, aes(y = votes, x = factor(round(rating)),
            colour = factor(Animation)))
m + geom_boxplot() + scale_y_log10()

预期这将产生相匹配的线颜色点的情节。

当然，人们应该记住，恢复默认值，如果他需要借助多条曲线： 

update_geom_defaults("point", list(colour = "black"))

发现该溶液通过读取GGPLOT2的changelog在GitHub上：

的异常值geom_boxplot()使用默认的颜色，大小和形状由geom_point() 更改的默认geom_point()与update_geom_defaults()将适用于的异常值相同的变化geom_boxplot() 更改为异常值的默认值是以前不可能的。 （@ThierryO，＃757）

在这里发布，以及： GGPLOT2箱线图，我怎么搭配离群颜色填充美学？



Answer 4:

如果有必要根据不同的因素来改变离群点的形状或颜色（不一样的，其被用于制造箱线组）然后@Dinre的答案可以适应。

点的颜色可如果不用于箱线图本身（你不能使用颜色两个变量）的颜色才改变。

使用数据plot_Data和代码从@Dinre答案-异常的颜色取决于因素carb 。 通过添加参数outlier.shape = NA到geom_boxplot()被去除原始离群值，以确保它们没有过度绘制由geom_point() 

ggplot() +
  geom_boxplot(data=plot_Data, aes(x=factor(cyl), y=mpg),outlier.shape = NA) + 
  geom_point(data=plot_Data[plot_Data$mpg > plot_Data$upper.limit | 
                              plot_Data$mpg < plot_Data$lower.limit,], 
             aes(x=factor(cyl), y=mpg, color=factor(carb)))

要更改点的形状： 

ggplot() +
  geom_boxplot(data=plot_Data, aes(x=factor(cyl), y=mpg),outlier.shape = NA) + 
  geom_point(data=plot_Data[plot_Data$mpg > plot_Data$upper.limit | 
                              plot_Data$mpg < plot_Data$lower.limit,], 
             aes(x=factor(cyl), y=mpg, shape=factor(carb)))



Answer 5:

离群值自动GGPLOT2 * 1.0.1.9003再次继承了框的颜色。

https://github.com/hadley/ggplot2/issues/1400 

```{r}
library(ggplot2)
point_size=10
ggplot(mtcars, aes(x=factor(cyl), y=mpg, col=factor(cyl))) +
geom_boxplot(outlier.size = point_size)
```

箱形图



Answer 6:

万一你真的想保持框黑色：

另一种可能的解决方案是

  1. 存储在变量中的一个点是否是异常值，
  2. 抑制异常值与标绘outlier.color = NA ，并
  3. 情节只有那些离群值，并使用这些点col审美在此调用geom_point()

步骤1：定义一个函数来确定点是否是异常值： 

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

步骤2：组数据，并计算与异常值这个函数为基

diamonds %>% group_by(cut) %>%
  mutate(outlier.p = is.outlier(price)) %>%
  ungroup() -> diamonds

第3步：创建情节

ggplot(diamonds, aes(x = cut, y = price, fill = cut)) +
  geom_boxplot(outlier.color = NA) +
  geom_point(data = diamonds[diamonds$outlier.p,], aes(col = cut))

请注意，您必须子集数据集在geom_point()调用（最后一行），以免所有点标绘。



文章来源: Coloring boxplot outlier points in ggplot2?
标签： r graphics ggplot2
举报

收藏的人(0)

Ta的文章 更多文章
登录 后发表评论
0条评论
还没有人评论过~