R 数据可视化 —— ggplot 箱线图和小提琴图

箱线图

箱线图用于展示 5 个统计量：最大值、最小值、中位数、第一分位数和第三分位数。

从箱线图中可以很容易的看出数据是否对称分布、以及是否包含离散数据，分布的离散程度。也可以用于比较不同变量的分布

示例

来个最简单的箱线图

p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot()

翻转方向

ggplot(mpg, aes(hwy, class)) + geom_boxplot()

设置凹槽

p + geom_boxplot(notch = TRUE)

凹槽的宽度可以通过 notchwidth 参数设置，默认为 0.5

p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot(notch = TRUE, notchwidth = 0.9)

默认情况下，每个箱子的宽度是一样的，我们可以设置 varwidth = TRUE，使得宽度与组内观测值的平方根成正比

p + geom_boxplot(varwidth = TRUE)

为箱子设置颜色

p + geom_boxplot(fill = "white", colour = "#3366FF")

geom_boxplot 函数中有专门的几个参数用于设置离散值的属性：

• outlier.colour = NULL,
• outlier.color = NULL,
• outlier.fill = NULL,
• outlier.shape = 19,
• outlier.size = 1.5,
• outlier.stroke = 0.5,
• outlier.alpha = NULL,

例如

p + geom_boxplot(outlier.colour = "red", outlier.shape = 1)

设置透明度

p + geom_boxplot(outlier.fill = "blue", outlier.shape = 21, alpha = 0.5)

但是，当我们想要组合绘制箱线图和散点图时，可能需要将离散点删除

p + geom_boxplot(outlier.shape = NA) + geom_jitter(width = 0.2)

当我们绘制分组箱线图时，默认以并列的方式排列

p + geom_boxplot(aes(colour = drv))

而对于连续型 x 变量，需要指定分组。可以搭配 cut_width 使用

ggplot(diamonds, aes(carat, price)) +
  geom_boxplot(aes(group = cut_width(carat, 0.5)))

如果数据中已经计算过这些统计量，那么也可以将这些变量传递进去。

例如

tibble(
  x = rep(LETTERS[1:10], 10),
  y = rnorm(100)
) %>% group_by(x) %>%
  summarise(y0 = min(y), y25 = quantile(y, 0.25), y50 = median(y),
            y75 = quantile(y, 0.75), y100 = max(y)) %>%
  ggplot(aes(x)) +
  geom_boxplot(
    aes(ymin = y0, lower = y25, middle = y50, upper = y75, ymax = y100, 
        fill = x),
    stat = "identity"
  )

组合图形

1. 添加均值标记点

ggplot(mpg, aes(class, hwy)) + 
  geom_boxplot(aes(fill = class)) +
  stat_summary(fun = "mean", fill = "white", size = 2, geom = "point", shape = 23) 

2. 再添加误差线

ggplot(mpg, aes(class, hwy)) + 
  stat_boxplot(geom = "errorbar", width = 0.2) +
  geom_boxplot(aes(fill = class)) +
  stat_summary(fun = "mean", fill = "white", 
               size = 2, geom = "point", shape = 23)

3. 为分组箱线图添加误差线

ggplot(mpg, aes(class, hwy)) + 
  stat_boxplot(aes(colour = drv), geom = "errorbar",
               position = position_dodge2(preserve = 'single', padding = 0.5)) +
  geom_boxplot(aes(fill = drv), position = position_dodge2(preserve = 'single'))

注意：由于每种类型的分组并不是都存在，所以会出现箱线图宽度不一致的情况，所以设置了 preserve = 'single'

同时，在添加分组误差线时，需要指定分组 colour = drv。

4. 定制箱线图

# 先绘制一个虚线箱线图
p1 <- ggplot(mpg, aes(class, hwy)) + 
  geom_boxplot(linetype = 'dashed', outlier.colour = "red")
# 再绘制带颜色的中心矩形，覆盖原来的矩形
p2 <- p1 +
  stat_boxplot(aes(ymin = after_stat(lower), ymax = after_stat(upper),
                   fill = class)) 
# 设置上误差线，误差线的最小值设置为数据最大值
p3 <- p2 +
  stat_boxplot(aes(ymin = after_stat(ymax)), geom = "errorbar", 
               width = 0.2, colour = "#4daf4a")
# 设置下误差线
p3 + 
  stat_boxplot(aes(ymax = after_stat(ymin)), geom = "errorbar",
               width = 0.2, colour = "#377eb8")

plot_grid(p1, p2, p3, p4)

小提琴图

小提琴图用于显示数据的分布状态和概率密度，它同时具有箱线图和密度图的特征，用于显示数据的分布形状。

示例

来个最简单的例子

p <- ggplot(mtcars, aes(factor(cyl), mpg))
p + geom_violin()

更改方向

ggplot(mtcars, aes(mpg, factor(cyl))) +
  geom_violin()

可以通过设置 scale 参数的值来更改图像大小，支持三个参数值：

• area：默认，保持所有图形大小一样
• count：设置最大宽度与样本大小成正比
• width：所有图形的最大宽度一样

p + geom_violin(scale = "count")

默认情况下，会删除图形的尾部数据，如果不想删除可以设置 trim = FALSE

p + geom_violin(trim = FALSE)

设置更小的 bandwidth(adjust) 来绘制更近似的拟合，默认为 1

p + geom_violin(adjust = .5)

分组小提琴图也是并列的方式排列

p <- ggplot(mtcars, aes(factor(cyl), mpg))

p1 <- p + geom_violin(aes(fill = cyl))

p2 <- p + geom_violin(aes(fill = factor(cyl)))

p3 <- p + geom_violin(aes(fill = factor(vs)))

p4 <- p + geom_violin(aes(fill = factor(am)))

plot_grid(p1, p2, p3, p4)

显示分位数线

p + geom_violin(draw_quantiles = c(0.25, 0.5, 0.75))

组合图形

1. 添加中值点

ggplot(mpg, aes(class, displ)) + 
  geom_violin(aes(fill = class), show.legend = FALSE) +
  stat_summary(fun = median, geom = "point", shape = 23,
               size = 2, fill = "white")

2. 添加均值和标准差

ggplot(mpg, aes(class, displ)) + 
  geom_violin(aes(fill = class), show.legend = FALSE) +
  stat_summary(fun.data = "mean_sdl", fun.args = list(mult = 1),
               colour = "white")

注意：如果在运行上述代码报错了

Hmisc package required for this function

需要安装一下 Hmisc，因为 mean_sdl 函数来自 Hmisc

install.packages("Hmisc")

3. 添加箱线图

ggplot(mpg, aes(class, displ)) + 
  geom_violin(aes(fill = class), show.legend = FALSE) +
  geom_boxplot(width = 0.1)

4. 添加抖动散点图

ggplot(mpg, aes(class, displ)) + 
  geom_violin(aes(fill = class), show.legend = FALSE) +
  geom_jitter(width = 0.1)

5. 转换为极坐标

ggplot(mpg, aes(class, displ)) + 
  geom_violin(aes(fill = class), show.legend = FALSE) +
  geom_boxplot(width = 0.1) +
  coord_polar()