为什么这个 CSV 数据与 ggplot2 晶须图复杂化？

Question

我可以用 R 中的测试数据而不是 CSV 数据重现工作 ggplot2 箱线图。关于事件（睡眠和清醒）的单点视觉数据

"Vars"    , "Sleep", "Awake"
"Average" , 7      , 12
"Min"     , 4      , 5
"Max"     , 10     , 15

现实生活中关于睡眠的数据

"Vars"    , "Sleep1", "Sleep2", ...
"Average" , 7       , 5
"Min"     , 4       , 3
"Max"     , 10      , 8

现实生活中关于Awake的数据

"Vars"    , "Awake1", "Awake2", ...
"Average" , 12      , 14
"Min"     , 10      , 7
"Max"     , 15      , 17

整合数据的代码

# only single point!
dat.m <- structure(list(Vars = structure(c(1L, 3L, 2L), .Label = c("Average ", 
"Max     ", "Min     "), class = "factor"), Sleep = c(7, 4, 10
), Awake = c(12L, 5L, 15L)), .Names = c("Vars", "Sleep", "Awake"
), class = "data.frame", row.names = c(NA, -3L))

library('ggplot2')    
# works:
str(mpg)
#mpg$class
#mpg$hwy
ggplot(mpg, aes(x = class, y = hwy)) +
    geom_boxplot()

# 
m <- t(dat.m)    
dat.m <- data.frame(m[2:nrow(m),])
names(dat.m) <- m[1,]
dat.m$Vars <- rownames(m)[2:nrow(m)]
dat.m <- melt(dat.m, id.vars = "Vars")

# TODO complicates here although should not
ggplot(dat.m, aes(x = Vars, y = value, fill=variable)) + #
    geom_boxplot()

测试数据输出图1和图2输出。

图1 测试数据输出，图 2 代码输出

以下四分位数假设：

代码

 # 
 quartiles <- data.frame(Vars = c("Q1","Q3"), Sleep = c(6,8), 
               Awake = c(9,13))

我想设置 Q1 <- 0.25 * average 和 Q3 <- 0.75 * average。假设您有任意数量的主要字段（此处 Sleep 和 Awake）。如何请求数据（此处dat.m）以获得每个主要字段的min和max？

R: 3.3.3
OS：Debian 8.7

Answer 1

有 base R 使用四分位数制作箱线图的函数：bxp()，但您需要已知的第 25、50 和 75 个百分位数以及下四分位数 (Q1)、中位数 (Q2) ) 和上四分位数 (Q3)。

例如：

bxp(list(stats = matrix(c( 4,6,7,9,10, 10,11,12,14,15), nrow = 5,
 ncol = 2), n = c(30,30), names = c("Sleep", "Awake")))

现在使用您的数据：（已编辑）

让我们使用您介绍的第一个数据集：

dat.m <- structure(list(Vars = structure(c(1L, 3L, 2L), .Label = c("Average ", 
"Max     ", "Min     "), class = "factor"), Sleep = c(7, 4, 10
), Awake = c(12L, 5L, 15L)), .Names = c("Vars", "Sleep", "Awake"
), class = "data.frame", row.names = c(NA, -3L))

> dat.m
      Vars Sleep Awake
1 Average      7    12
2 Min          4     5
3 Max         10    15


> str(dat.m)
'data.frame':   3 obs. of  3 variables:
 $ Vars : Factor w/ 3 levels "Average ","Max     ",..: 1 3 2
 $ Sleep: num  7 4 10
 $ Awake: int  12 5 15

在你的数据中，第一个和第三个四分位数丢失了。还需要第二个，即中位数，但让我们假设它等于均值。我假设您拥有所有这些，例如：

quartiles <- data.frame(Vars = c("Q1","Q3"), Sleep = c(6,8), 
                    Awake = c(9,13))

> str(quartiles)
'data.frame':   2 obs. of  3 variables:
 $ Vars : Factor w/ 2 levels "Q1","Q3": 1 2
 $ Sleep: num  6 8
 $ Awake: num  9 13


data <- rbind(dat.m ,quartiles)

      Vars Sleep Awake
1 Average      7    12
2 Min          4     5
3 Max         10    15
4 Q1           6     9
5 Q3           8    13

然后对变量进行排序：

library(dplyr)
## Disable this line if you want to use the universal approach
data <-  dplyr::arrange(data, Sleep, Awake)
## Enable the following for more universal approach
# data <- arrange_(data, .dots = as.list(strsplit(colnames(data)[2:ncol(data)], ', '))) 

bxp(list(stats = as.matrix(data[,2:3]), n = c(30,30), names = names(data[,2:3]))) # assuming n = 30.

使用ggplot2

我们首先将数据集从 'wide' 转换为 'long' 格式 reshape2::melt().

library(reshape2)
library(ggplot2)
(data2 <- melt(data))

       Vars variable value
1  Min         Sleep     4
2  Q1          Sleep     6
3  Average     Sleep     7
4  Q3          Sleep     8
5  Max         Sleep    10
6  Min         Awake     5
7  Q1          Awake     9
8  Average     Awake    12
9  Q3          Awake    13
10 Max         Awake    15

然后：

ggplot(data2, aes(x = variable, y = value)) +
  geom_boxplot()

您可能会对这些文章感兴趣：

重要点：用箱形图可视化样本 (http://www.nature.com/nmeth/journal/v11/n2/full/nmeth.2813.html)
箱形图：一种解释数据的简单可视化方法 (http://annals.org/aim/article/703149/box-plot-simple-visual-method-interpret-data)
箱线图的变化（http://amstat.tandfonline.com/doi/abs/10.1080/00031305.1978.10479236）

为什么这个 CSV 数据与 ggplot2 晶须图复杂化？

Why this CSV data complicates with ggplot2 whisker plot?

csv

r

ggplot2

boxplot

quartile

以下四分位数假设：