忽略ggplot2 boxplot中的异常值

我如何忽略ggplot2 boxplot中的离群值？我不只是希望它们消失（即outlier.size = 0），而是希望它们被忽略，以便y轴缩放以显示第一/第三百分位数。我的异常值导致“盒子”缩小到几乎只有一条线。有一些技巧可以解决这个问题吗？

编辑 这是一个例子：

y = c(.01, .02, .03, .04, .05, .06, .07, .08, .09, .5, -.6)
qplot(1, y, geom="boxplot")

这是使用boxplot.stats的解决方案

# create a dummy data frame with outliers
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))


# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1
p1 = p0 + coord_cartesian(ylim = ylim1*1.05)

使用geom_boxplot(outlier.shape = NA)不显示异常值和scale_y_continuous(limits = c(lower, upper))改变轴界限。

一个例子。

n <- 1e4L
dfr <- data.frame(
  y = exp(rlnorm(n)),  #really right-skewed variable
  f = gl(2, n / 2)
)

p <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot()
p   # big outlier causes quartiles to look too slim

p2 <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot(outlier.shape = NA) +
  scale_y_continuous(limits = quantile(dfr$y, c(0.1, 0.9)))
p2  # no outliers plotted, range shifted

实际上，正如Ramnath在他的回答中所显示的那样（Andrie在评论中也是如此），在通过计算统计信息之后裁切比例尺更为有意义coord_cartesian。

coord_cartesian(ylim = quantile(dfr$y, c(0.1, 0.9)))

（您可能仍需要使用它scale_y_continuous来修复轴断裂。）

我有同样的问题，并使用以下方法预先计算了Q1，Q2，中位数，ymin，ymax的值boxplot.stats：

# Load package and generate data
library(ggplot2)
data <- rnorm(100)

# Compute boxplot statistics
stats <- boxplot.stats(data)$stats
df <- data.frame(x="label1", ymin=stats[1], lower=stats[2], middle=stats[3], 
                 upper=stats[4], ymax=stats[5])

# Create plot
p <- ggplot(df, aes(x=x, lower=lower, upper=upper, middle=middle, ymin=ymin, 
                    ymax=ymax)) + 
    geom_boxplot(stat="identity")
p

结果是没有异常值的箱线图。

一种想法是通过两个过程对数据进行解冻：

1. 进行第一遍，了解边界是什么，例如，在给定百分位数处进行切割，或在均值之上的N个标准偏差，或...

2. 在第二遍中，将超出给定界限的值设置为该界限的值

我应该强调，这是一种老式的方法，应该由更现代的鲁棒技术主导，但是您仍然会遇到很多。

geom_boxplot函数的“ coef”选项允许根据四分位间距更改离群截止值。该选项记录在stat_boxplot函数中。要停用异常值（换句话说，它们被视为常规数据），可以代替默认值1.5来指定非常高的截止值：

library(ggplot2)
# generate data with outliers:
df = data.frame(x=1, y = c(-10, rnorm(100), 10)) 
# generate plot with increased cutoff for outliers:
ggplot(df, aes(x, y)) + geom_boxplot(coef=1e30)

如果要强制晶须扩展到最大值和最小值，则可以调整coef参数。默认值为coef1.5（即，晶须的默认长度为IQR的1.5倍）。

# Load package and create a dummy data frame with outliers 
#(using example from Ramnath's answer above)
library(ggplot2)
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))

# create boxplot where whiskers extend to max and min values
p1 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)), coef = 500)

Ipaper :: geom_boxplot2就是您想要的。

# devtools::install_github('kongdd/Ipaper')
library(Ipaper)
library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot2(width = 0.8, width.errorbar = 0.5)