ggplot2 绘制罕见子组的原始数据和常见子组的箱线图答案

【问题标题】：ggplot2 plot raw data for rare subgroups and boxplots for common subgroupsggplot2 绘制罕见子组的原始数据和常见子组的箱线图
【发布时间】：2019-01-29 09:38:22
【问题描述】：

箱线图可以方便地总结连续数据，但是，用于稀有子组 (n

例子：

library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot()

按每个类别（汽车类型）生成高速公路（连续）箱线图。但是，查看每个班级的频率，我们发现只有 5 辆 2 座和 11 辆小型货车。我希望查看原始数据（点，可能会抖动），而不是 2 座和小型货车的箱线图，但保留满足人为设置的最小样本量（例如 n = 20）的其他组的箱线图。

table(mpg$class)

   2seater    compact    midsize    minivan     pickup subcompact        suv       
         5         47         41         11         33         35         62

【问题讨论】：

标签： r ggplot2 boxplot

【解决方案1】：

这是如何做到的。您可以将值从 20 更改为您喜欢的任何值。

# loading the needed libraries
library(tidyverse)

# adding a new column containing count information
(mpg <- mpg %>%
    dplyr::group_by(.data = ., class) %>%
    dplyr::mutate(.data = ., n = dplyr::n()))
#> # A tibble: 234 x 12
#> # Groups:   class [7]
#>    manufacturer model displ  year   cyl trans drv     cty   hwy fl    class
#>    <chr>        <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
#>  1 audi         a4      1.8  1999     4 auto~ f        18    29 p     comp~
#>  2 audi         a4      1.8  1999     4 manu~ f        21    29 p     comp~
#>  3 audi         a4      2    2008     4 manu~ f        20    31 p     comp~
#>  4 audi         a4      2    2008     4 auto~ f        21    30 p     comp~
#>  5 audi         a4      2.8  1999     6 auto~ f        16    26 p     comp~
#>  6 audi         a4      2.8  1999     6 manu~ f        18    26 p     comp~
#>  7 audi         a4      3.1  2008     6 auto~ f        18    27 p     comp~
#>  8 audi         a4 q~   1.8  1999     4 manu~ 4        18    26 p     comp~
#>  9 audi         a4 q~   1.8  1999     4 auto~ 4        16    25 p     comp~
#> 10 audi         a4 q~   2    2008     4 manu~ 4        20    28 p     comp~
#> # ... with 224 more rows, and 1 more variable: n <int>

# plot
ggplot(data = mpg, mapping = aes(x = class, y = hwy, color = class)) +
  # plotting jittered points
  geom_jitter(size = 3, alpha = 0.5, width = 0.15) +
  # adding boxplots only for class with more than a certain count value
  geom_boxplot(data = dplyr::filter(.data = mpg, n > 20), alpha = 0.5)

由reprex package (v0.2.0.9000) 于 2018 年 8 月 23 日创建。

【讨论】：

没有必要在 dplyr 方法前面加上 dplyr::，因为您已经加载了 tidyverse 包。
@MauritsEvers 是的，这可能是多余的，但我仍然认为这是一种很好的代码卫生习惯。
我完全不同意，因为这会造成不必要的混乱并降低可读性。但每个都有自己的（编码风格）。
另外引用 Hadley on the use of :: in function calls：“这[即避免 ::] 也有一个小的性能优势，因为 :: 增加了大约 5 µs 的函数评估时间。”我>

【解决方案2】：

此解决方案仅绘制小数据集大小的点（根据要求），仅绘制较大类的箱线图：

library(ggplot2)
library(dplyr)

min_n <- 20

mpg %>% 
  group_by(class) %>% 
  mutate(class_count = n()) %>% 
  ggplot(mapping = aes(class, hwy, color = class)) +
  geom_jitter(data = . %>% filter(class_count < min_n)) +
  geom_boxplot(data = . %>% filter(class_count >= min_n))

您可能还想看看geom_violin，它添加了有关数据分布的更多信息，我发现比箱线图提供更多信息（你可以同时拥有:)）：

mpg %>% 
  group_by(class) %>% 
  mutate(class_count = n()) %>% 
  ggplot(mapping = aes(class, hwy, color = class)) +
  geom_jitter(data = . %>% filter(class_count < min_n)) +
  geom_violin(data = . %>% filter(class_count >= min_n), scale = "count") +
  geom_boxplot(data = . %>% filter(class_count >= min_n), width = 0.1)

【讨论】：