从R中使用ggplot2制作的多个箱图中完全删除异常值，并以展开格式显示箱图

Question

我在这里 [在.txt文件中]有一些数据，我读入数据帧df，

df <- read.table("data.txt", header=T,sep="\t")

我除去负值在列x （因为我只需要正的值）的的df使用以下代码，

yp <- subset(df, x>0)

现在我想在同一层中绘制多个箱形图。 我首先融合数据框df ，结果图包含几个异常值，如下所示。

# Melting data frame df    
df_mlt <-melt(df, id=names(df)[1])
    # plotting the boxplots
    plt_wool <- ggplot(subset(df_mlt, value > 0), aes(x=ID1,y=value)) + 
      geom_boxplot(aes(color=factor(ID1))) +
      scale_y_log10(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))) +    
      theme_bw() +
      theme(legend.text=element_text(size=14), legend.title=element_text(size=14))+
      theme(axis.text=element_text(size=20)) +
      theme(axis.title=element_text(size=20,face="bold")) +
      labs(x = "x", y = "y",colour="legend" ) +
      annotation_logticks(sides = "rl") +
      theme(panel.grid.minor = element_blank()) +
      guides(title.hjust=0.5) +
      theme(plot.margin=unit(c(0,1,0,0),"mm")) 
    plt_wool

现在，我需要有一个情节，没有任何异常，所以这样做首先我计算上限和下限胡须我使用下面的代码的建议在这里 ，

sts <- boxplot.stats(yp$x)$stats

为了消除异常值，我添加了上下晶须限制，如下所示，

p1 = plt_wool + coord_cartesian(ylim = c(sts*1.05,sts/1.05))

结果图如下所示，而上面的代码行正确地删除了大部分顶部异常值，所有底部异常值仍然存在。 有人可以建议如何从这个情节中完全删除所有异常值，谢谢。

Answer 1

一个可重复性最小的例子：

library(ggplot2)
p <- ggplot(mtcars, aes(factor(cyl), mpg))
p + geom_boxplot()

没有绘制异常值：

p + geom_boxplot(outlier.shape=NA)
#Warning message:
#Removed 3 rows containing missing values (geom_point).

（我更喜欢得到这个警告，因为一年后我会用长脚本提醒我，我在那里做了一些特别的事情。如果你想避免使用Sven的解决方案。）

Answer 2

根据@Sven Hohenstein，@ Roland和@lukeA的建议，我解决了以扩展形式显示多个箱图而没有异常值的问题。

首先在geom_boxplot()使用outlier.colour=NA绘制没有异常值的箱形图

plt_wool <- ggplot(subset(df_mlt, value > 0), aes(x=ID1,y=value)) + 
  geom_boxplot(aes(color=factor(ID1)),outlier.colour = NA) +
  scale_y_log10(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))) +
  theme_bw() +
  theme(legend.text=element_text(size=14), legend.title=element_text(size=14))+
  theme(axis.text=element_text(size=20)) +
  theme(axis.title=element_text(size=20,face="bold")) +
  labs(x = "x", y = "y",colour="legend" ) +
  annotation_logticks(sides = "rl") +
  theme(panel.grid.minor = element_blank()) +
  guides(title.hjust=0.5) +
  theme(plot.margin=unit(c(0,1,0,0),"mm"))

然后使用boxplot.stats()作为下面的代码计算较低的上胡须。 由于我只考虑正值，因此我使用subset()的条件选择它们。

yp <- subset(df, x>0)             # Choosing only +ve values in col x
sts <- boxplot.stats(yp$x)$stats  # Compute lower and upper whisker limits

现在要实现多个箱图的完全展开视图，修改coord_cartesian()函数内的图的y轴限制很有用，如下所示，

p1 = plt_wool + coord_cartesian(ylim = c(sts[2]/2,max(sts)*1.05))

注意： y的限制应根据具体情况进行调整。 在这种情况下，我选择ymin的一半较低的晶须限制。

结果图如下，

Answer 3

您可以使用参数outlier.colour = NA使异常值不可见：

geom_boxplot(aes(color = factor(ID1)), outlier.colour = NA)

Answer 4

ggplot(df_mlt, aes(x = ID1, y = value)) + 
  geom_boxplot(outlier.size = NA) + 
  coord_cartesian(ylim = range(boxplot(df_mlt$value, plot=FALSE)$stats)*c(.9, 1.1))

Answer 5

排除异常值的另一种方法是计算它们，然后根据您认为的异常值设置y限制。

例如，如果您的上限和下限是Q3 + 1.5 IQR和Q1 - 1.5 IQR ，那么您可以使用：

upper.limit <- quantile(x)[4] + 1.5*IQR(x)
lower.limit <- quantile(x)[2] - 1.5*IQR(x)

然后对y轴范围设置限制：

ggplot + coord_cartesian(ylim=c(lower.limit, upper.limit))