箱线图上的样本量

Question

我想在每个箱线图的胡须上显示“n = (n)”。我已经想出了如何使用 Fivenum 将这些标签放在每个盒子（q75）的顶部，但我无法让它们在晶须上方工作。胡须上方更好，因为我的情节非常混乱。

在这里，我使用 mtcars 重现了这些情节 编辑： mtcars 没有明显的异常值，但我的数据集有。这就是为什么标签需要位于晶须顶部，而不仅仅是最高数据点的原因。

旁注：我正在处理大量异常值，并希望将它们从显示中删除。 GGplot 可以做到这一点，但它仍然会在轴中包含异常值，这给了我一个非常“缩小”的图。我的解决方法包括在内。我使用了基本箱线图函数来计算最高须线，并使用 coord_cartesian 将上限设置在此之上。

> data("mtcars")
> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
> 
> d = data.table(mtcars)
> 
> give.n <- function(x){
+   return(data.frame(y = fivenum(x)[4],
+                     label = paste("n =",length(x))))
+ }
> 
> p1 <- boxplot(mpg~cyl, data=mtcars, outline=FALSE,
+               plot=0)
> p1stats <- p1$stats[5,]
> head(p1stats)
[1] 33.9 21.4 19.2
> upperlim <- max(p1$stats, na.rm = TRUE) * 1.05
>   
> p <- ggplot(d, aes(x=factor(cyl), y=mpg)) +
+     geom_boxplot() +
+ stat_summary(fun.data = give.n, geom = "text", vjust=-.5)
> 
> p <- p + coord_cartesian(ylim = c(0, upperlim))

我尝试更改此功能（有效）：

> give.n <- function(x){
+   return(data.frame(y = fivenum(x)[4],
+                     label = paste("n =",length(x))))
+ }

为此，使用 p1 统计数据的第 5 行（上胡须）：

give.n <- function(x){
  return(data.frame(y = p1stats,
                    label = paste("n =",length(x))))
}

但这会返回： bad plot

如何让这个标签只显示在每个盒子的正确胡须点上？

PS - 抱歉，我不熟悉在这里发帖，但我试过了

Answer 1

编辑：请参阅下面的评论和我的其他答案！

好的，我用艾伦的答案的格式想通了。它需要 boxplot.stats 来获得正确的胡须计算：

geom_text(data=mtcars %>% group_by(cyl) %>%
            summarise(n = n(),
                      boxstats = boxplot.stats(mpg)[1],
                      whisker = boxstats[5]),
            aes(x=cyl, y=whisker, label=paste0("n =", n)))

Answer 2

好的，从最后一次尝试开始。我想到了。 boxplot.stats 和 geom_boxplot 以不同的方式计算四分位数统计数据，这会在小样本量中扭曲所有内容。我们可以用 ggplot_build 调用 geom_boxplot 使用的实际统计数据。

这就是它的完成方式，儿子。首先，制作你的情节，就像上面一样，我称之为 p。 现在计算每个 x 变量的样本量

samp <- count(mtcars, cyl)

现在使用 ggplot_build 从图中检索数据

ggstat <- ggplot_build(p)$data
ggwhisk1 <- ggstat[[1]]$ymax

现在将其与样本大小相结合，并在 geom_text 中调用该数据

ggwhisk2 <- data.frame(samp, whisk = ggwhisk1)
p <- p + geom_text(data = ggwhisk2, size = 2,
aes(x = cyl, y = whisk, label = paste0("n =", n), vjust = -.5))

瞧！！

Answer 3

这是一个带有 dpylr 的 ggplot 解决方案：

ggplot(mtcars, aes(x=cyl, y=mpg, group=cyl)) + 
  geom_boxplot() + 
  geom_text(data=mtcars %>% group_by(cyl) %>% summarise(top = max(mpg), n=n()), aes(x=cyl, y=top, label= paste0("n = ", n)), nudge_y=1)

编辑

可能有更简洁的方法，但我认为这可行。我为 cyl=8 编辑了一个数据点以进行强调：

 ggplot(mtcars, aes(x=cyl, y=mpg, group=cyl)) + 
  geom_boxplot() + 
  geom_text(data=mtcars %>% 
              group_by(cyl) %>% 
              summarise(q3 = quantile(mpg, 0.75),
                        q1 = quantile(mpg, 0.25),
                        iqr = q3 - q1,
                        top = min(q3 + 1.5*iqr, max(mpg)), 
                        n=n()), 
            aes(x=cyl, y=top, label= paste0("n = ", n)), nudge_y=1)