箱线图（Box Plot），又称为盒须图、盒式图或箱图，是一种用于显示一组数据分布情况的统计图表。它能够展示数据的中位数、上下四分位数（Q1和Q3）、最小值、最大值以及异常值等统计指标，通过这些指标，可以直观地了解数据的中心位置、散布程度和数据的分布形状。
箱线图的构成主要包括以下几个要素：
-
箱体（Box）： 表示数据的四分位数范围，即Q1到Q3之间。箱体的上边界是Q3，下边界是Q1，箱体内的中位数用一条线表示。箱体的长度代表数据的分布范围。
-
须线（Whisker）： 从箱体上下两端延伸出去的直线，表示数据的最大值和最小值。通常，须线的长度并非固定，而是与数据的分布情况相关。
-
异常值（Outliers）： 须线之外的点被认为是异常值，即相对于整体分布而言较为特殊的数值。
箱线图的绘制过程如下：
- 计算数据的最小值、最大值、中位数、以及上下四分位数。
- 绘制箱体，即画出中位数的线和上下四分位数之间的矩形。
- 绘制须线，表示数据的范围。通常，须线的长度可以通过一些统计学方法来确定。
- 标记异常值，如果数据中存在异常值，可以通过标记点的方式显示在图上。
箱线图适用于比较多组数据的分布情况，可以帮助观察数据的整体趋势、离散程度以及异常值的存在情况。箱线图是一种简洁而有效的统计图表，特别适用于大规模数据的可视化和比较。
示例
来自R语言自带的数据集
ggplot(iris, aes(Species, Sepal.Length)) +
geom_boxplot(aes(fill = Species), outlier.shape = 21) +
geom_signif(
comparisons = list(c("setosa", "versicolor"),
c("versicolor", "virginica")),
map_signif_level = T,
y_position = c(7.3, 8.2)) +
scale_fill_npg() +
xlab('') +
theme_cowplot()
这段代码使用了R语言中的ggplot2库，通过geom_boxplot和geom_signif函数绘制了一个箱线图，并在图上标记了一些显著性差异。以下是对代码的逐行解释：
-
ggplot(iris, aes(Species, Sepal.Length)): 创建一个ggplot对象，使用iris数据集，其中Species是鸢尾花的种类，Sepal.Length是萼片长度。通过aes函数指定了X轴和Y轴的映射关系。 -
geom_boxplot(aes(fill = Species), outlier.shape = 21): 使用geom_boxplot函数添加箱线图，其中aes(fill = Species)指定了箱体的填充颜色与鸢尾花的种类有关，outlier.shape = 21表示使用特定形状（正方形）来标记异常值。 -
geom_signif(...): 使用geom_signif函数添加显著性标记。comparisons参数指定要比较的两组数据，这里分别是("setosa", "versicolor")和("versicolor", "virginica")，即不同鸢尾花种类之间的比较。map_signif_level参数设置为T表示在图上标记显著性水平。y_position参数指定显著性标记的Y轴位置。 -
scale_fill_npg(): 使用scale_fill_npg函数设置填充颜色的调色板。 -
xlab(''): 使用xlab函数将X轴的标签设置为空字符串，即不显示X轴标签。 -
theme_cowplot(): 使用theme_cowplot函数应用Cowplot风格的主题，美化图表的外观。
添加散点
ggplot(iris, aes(Species, Sepal.Length)) +
geom_boxplot(aes(fill = Species), outlier.shape = 21) +
geom_point(size = 0.5,
position = position_jitter(width = 0.15)) +
geom_signif(comparisons = list(c("setosa", "versicolor"),
c("versicolor", "virginica")),
map_signif_level = T,
y_position = c(7.3, 8.2)) +
scale_fill_npg() +
scale_color_npg() +
xlab('') +
theme_cowplot()
-
ggplot(iris, aes(Species, Sepal.Length)): 创建一个ggplot对象，使用iris数据集，其中Species是鸢尾花的种类，Sepal.Length是萼片长度。通过aes函数指定了X轴和Y轴的映射关系。 -
geom_boxplot(aes(fill = Species), outlier.shape = 21): 使用geom_boxplot函数添加箱线图，其中aes(fill = Species)指定了箱体的填充颜色与鸢尾花的种类有关，outlier.shape = 21表示使用特定形状（正方形）来标记异常值。 -
geom_point(size = 0.5, position = position_jitter(width = 0.15)): 使用geom_point函数添加散点图，其中size参数设置散点的大小，position参数通过position_jitter函数实现对散点位置的微小抖动，使得相同种类的点更易观察。 -
geom_signif(...): 使用geom_signif函数添加显著性标记，与之前的解释相同。 -
scale_fill_npg(): 使用scale_fill_npg函数设置填充颜色的调色板。 -
scale_color_npg(): 使用scale_color_npg函数设置颜色的调色板。 -
xlab(''): 使用xlab函数将X轴的标签设置为空字符串，即不显示X轴标签。 -
theme_cowplot(): 使用theme_cowplot函数应用Cowplot风格的主题，美化图表的外观。
为箱线图添加 pvalue 基本是需求，可以使用 ggpval,ggsignif 包来完成。另外 ggpubr 包也可以完成，这个包优点是画出的图确实漂亮，但是它的语法与 ggplot2 差异太大学习成本高，甚至会扰乱你对整个 ggplot2 的理解，不建议入坑。ggstatsplot 包自带的统计功能非常强大，但是生成的图比较丑，自定义能力比较差，可以用用于对数据的快速探索。
网友评论