ggplot boxplot - 具有对数轴的晶须长度

Question

我正在尝试使用 ggplot2 创建一个带有对数轴的水平箱线图。但是，胡须的长度是错误的。

一个最小的可复制示例：

一些数据

library(ggplot2)
library(reshape2)
set.seed(1234)
my.df <- data.frame(a = rnorm(1000,150,50), b = rnorm(1000,500,150))
my.df$a[which(my.df$a < 5)] <- 5
my.df$b[which(my.df$b < 5)] <- 5

如果我使用基数 R boxplot() 绘制此图，一切都很好

boxplot(my.df, log="x", horizontal=T)

但是有了 ggplot，

my.df.long <- melt(my.df, value.name = "vals")
ggplot(my.df.long, aes(x=variable, y=vals)) +
  geom_boxplot() +
  scale_y_log10(breaks=c(5,10,20,50,100,200,500,1000), limits=c(5,1000)) +
  theme_bw() + coord_flip()

我得到了这个图，其中的胡须长度错误（例如，参见胡须下方和上方 none 有多少额外的异常值）。

请注意，在没有对数轴的情况下，ggplot 的胡须长度正确

ggplot(my.df.long, aes(x=variable, y=vals)) +
  geom_boxplot() +
  theme_bw() + coord_flip()

如何使用具有正确长度晶须的 ggplot 生成水平对数箱线图？最好是晶须延伸到 IQR 的 1.5 倍。

N.B. 如 here 所述。可以使用 coord_trans(y = "log10") 而不是 scale_y_log10，这将导致在转换数据之前计算统计信息 。但是、coord_trans不能与coord_flip组合使用。所以这并不能解决创建带有对数轴的水平箱线图的问题。

Answer 1

您可以让 ggplot 使用 boxplot.stats（base boxplot 使用的相同函数）来设置盒须和离群值的 y 值。例如：

# Function to use boxplot.stats to set the box-and-whisker locations  
mybxp = function(x) {
  bxp = boxplot.stats(x)[["stats"]]
  names(bxp) = c("ymin","lower", "middle","upper","ymax")
  return(bxp)
}  

# Function to use boxplot.stats for the outliers
myout = function(x) {
  data.frame(y=boxplot.stats(x)[["out"]])
}

现在我们使用stat_summary中的那些函数来绘制箱线图，如下例所示：

ggplot(my.df.long, aes(x=variable, y=vals)) +
  stat_summary(fun.data=mybxp, geom="boxplot") +
  stat_summary(fun.data=myout, geom="point") +
  theme_bw() + coord_flip()

现在是对数转换问题：下图分别显示无坐标转换、scale_y_log10 和 coord_trans(y="log10")。此外，我使用 geom_hline 在每个盒须值处添加虚线，并添加文本以显示实际值。为了减少混乱，我删除了离群点，并淡化了一些箱线图，以便其他组件显示得更好。

# Set up common plot elements
p = ggplot(my.df.long, aes(x=variable, y=vals)) +
  geom_hline(yintercept=mybxp(my.df$a), colour="red", lty="11", size=0.3) +
  geom_hline(yintercept=mybxp(my.df$b), colour="blue", lty="11", size=0.3) +
  stat_summary(fun.data=mybxp, geom="boxplot", colour="#000000A0", fatten=0.5) +
  #stat_summary(fun.data=myout, geom="point") +
  theme_bw() + coord_flip()

br = c(5,10,20,50,100,200,500,1000)

## Create plots

# Without log transformation
p1 = p + scale_y_continuous(breaks=br, limits=c(5,1000)) + 
  stat_summary(fun.y=mybxp, aes(label=round(..y..)), geom="text", size=3, colour="red") +
  ggtitle("No Transformation")

# With scale_y_log10
p2 = p + scale_y_log10(breaks=br, limits=c(5,1000)) + ggtitle("scale_y_log10") +
  stat_summary(fun.y=mybxp, aes(label=round(..y..,2)), geom="text", size=3, colour="red") +
  stat_summary(fun.y=mybxp, aes(label=round(10^(..y..))), geom="text", size=3, 
               colour="blue", position=position_nudge(x=0.3)) 

# With coord_trans
p3 = p + scale_y_continuous(breaks=br, limits=c(5,1000)) +
  stat_summary(fun.y=mybxp, aes(label=round(..y..)), geom="text", size=3, colour="red") +
  coord_trans(y="log10") + ggtitle("coord_trans(y='log 10')")

三个地块如下所示。请注意，使用 coord_trans 的最后一个图不会翻转，因为 coord_trans 会覆盖 coord_flip。您可能可以使用类似中的代码来翻转情节，但我在这里没有这样做。

第一个图没有转换，显示了正确的值。

第三个图，使用 coord_trans 也有正确位置的所有内容。请注意，coord_trans 实际上是在不更改绘制点的值的情况下更改绘图的 y 坐标系。正是 space 本身 "distorted" 达到了对数标度。

现在请注意，在第二个图中，使用 scale_y_log10，方框位于正确的位置，但胡须的末端位于错误的位置。另一方面，与其他两个图的比较表明所有 geom_hline 的位置都是正确的。另请注意，与 coord_trans 不同，scale_y_log10 获取点本身的日志，并仅使用未记录的值重新标记 y 轴中断，同时将 "space" 留在其中绘制不变。您可以通过查看红色文本中的值来了解这一点。蓝色文本中的值是未记录的值。

请参阅以了解为什么 scale_y_log10 只会导致胡须末端被错误地转换，而框值绘制在正确的位置。

Answer 2

问题是由于 scale_y_log10 在计算统计数据之前转换了数据。这对于中位数和百分位点无关紧要，因为例如10^log10(median) 仍然是中值，将绘制在正确的位置。但是对于使用1.5 * IQR计算的晶须很重要，因为10^(1.5 * IQR(log10(x))不等于1.5 * IQR(x)。所以胡须的计算失败了。

如果我们比较

，这个错误就很明显了

boxplot.stats(my.df$b)$stats
# [1] 117.4978 407.3983 502.0460 601.2937 873.0992
10^boxplot.stats(log10(my.df$b))$stats
# [1] 231.1603 407.3983 502.0459 601.2935 975.1906

其中我们看到中位数和百分位数 ppoints 相同，但胡须末端（统计向量的第一个和最后一个元素）不同

，展示了如何自己计算统计数据并强制 ggplot 使用这些用户定义的统计数据而不是其内部（和不正确的）算法。使用这种方法，计算正确的统计数据并使用它们变得相对简单。

# Function to use boxplot.stats to set the box-and-whisker locations  
mybxp = function(x) {
  bxp = log10(boxplot.stats(10^x)[["stats"]])
  names(bxp) = c("ymin","lower", "middle","upper","ymax")
  return(bxp)
}  

# Function to use boxplot.stats for the outliers
myout = function(x) {
  data.frame(y=log10(boxplot.stats(10^x)[["out"]]))
}

ggplot(my.df.long, aes(x=variable, y=vals)) + theme_bw() + coord_flip() +
  scale_y_log10(breaks=c(5,10,20,50,100,200,500,1000), limits=c(5,1000)) + 
  stat_summary(fun.data=mybxp, geom="boxplot") +
  stat_summary(fun.data=myout, geom="point")

生成正确的图

关于使用 coord_trans 作为替代方法的说明：

使用 coord_trans(y = "log10") 而不是 scale_y_log10，会导致在未转换的数据上（正确地）计算统计数据。但是、coord_trans不能与coord_flip组合使用。因此，这并不能解决创建带有对数轴的水平箱线图的问题。建议在使用 coord_trans 后使用 cowplot 包中的 ggdraw(switch_axis_position()) 翻转轴没有用，但会抛出错误（cowplot v0.4.0 和 ggplot2 v2.1.0）

Error in Ops.unit(gyl$x, grid::unit(0.5, "npc")) : both operands must be units

In addition: Warning message: axis.ticks.margin is deprecated. Please set margin property of axis.text instead

Answer 3

我认为如果不需要使箱线图水平，最简单的答案是变换坐标系而不是改变比例，使用 coord_trans(y = "log10") 而不是 scale_y_log10()。

ggplot boxplot - 具有对数轴的晶须长度

ggplot boxplot - length of whiskers with logarithmic axis

r

ggplot2

boxplot