在 R 中标记箱线图的异常值答案

【问题标题】：Labeling Outliers of Boxplots in R在 R 中标记箱线图的异常值
【发布时间】：2015-11-04 14:41:58
【问题描述】：

我有创建箱线图的代码，在 R 中使用 ggplot，我想用年份和战斗标记我的异常值。

这是我创建箱线图的代码

require(ggplot2)
ggplot(seabattle, aes(x=PortugesOutcome,y=RatioPort2Dutch ),xlim="OutCome", 
y="Ratio of Portuguese to Dutch/British ships") + 
geom_boxplot(outlier.size=2,outlier.colour="green") + 
stat_summary(fun.y="mean", geom = "point", shape=23, size =3, fill="pink") + 
ggtitle("Portugese Sea Battles")

有人可以帮忙吗？我知道这是正确的，我只想标记异常值。

【问题讨论】：

数据seabattle从哪里来？您能否dput 数据或提供示例数据以使此示例可重现？
你已经尝试过什么了吗？

标签： r ggplot2 boxplot direct-labels

【解决方案1】：

以下是使用dplyr 和内置mtcars 数据集的可重现解决方案。

浏览代码：首先，创建一个函数is_outlier，如果传递给它的值是异常值，它将返回一个布尔值TRUE/FALSE。然后我们执行“分析/检查”并绘制数据——首先我们group_by我们的变量（在这个例子中是cyl，在你的例子中，这将是PortugesOutcome）我们添加一个变量outlier对mutate 的调用（如果drat 变量是异常值[注意这对应于您的示例中的RatioPort2Dutch]，我们将传递drat 值，否则我们将返回NA，因此该值不是绘制）。最后，我们通过geom_text 绘制结果并绘制文本值，以及与我们的新变量相等的美学标签；此外，我们使用hjust 偏移文本（将其向右滑动一点），以便我们可以看到离群点旁边而不是顶部的值。

library(dplyr)
library(ggplot2)

is_outlier <- function(x) {
  return(x < quantile(x, 0.25) - 1.5 * IQR(x) | x > quantile(x, 0.75) + 1.5 * IQR(x))
}

mtcars %>%
  group_by(cyl) %>%
  mutate(outlier = ifelse(is_outlier(drat), drat, as.numeric(NA))) %>%
  ggplot(., aes(x = factor(cyl), y = drat)) +
    geom_boxplot() +
    geom_text(aes(label = outlier), na.rm = TRUE, hjust = -0.3)

【讨论】：

【解决方案2】：

您可以简单地在 ggplot 内部执行此操作，使用适当的 stat_summary 调用。

ggplot(mtcars, aes(x = factor(cyl), y = drat, fill = factor(cyl))) + 
  geom_boxplot() +
  stat_summary(
    aes(label = round(stat(y), 1)),
    geom = "text", 
    fun.y = function(y) { o <- boxplot.stats(y)$out; if(length(o) == 0) NA else o },
    hjust = -1
  )

【讨论】：

如何修改 aes 调用以使用其他变量（例如 mpg）标记异常值？我曾尝试在 stat_summary 和顶部 ggplot 调用中调用 aes(label = mpg)，但我收到错误消息，说 geom_text 需要缺少标签美学。

【解决方案3】：

用行名标记异常值（基于JasonAizkalns 答案）

library(dplyr)
library(ggplot2)
library(tibble)

is_outlier <- function(x) {
  return(x < quantile(x, 0.25) - 1.5 * IQR(x) | x > quantile(x, 0.75) + 1.5 * IQR(x))
}

dat <- mtcars %>% tibble::rownames_to_column(var="outlier") %>% group_by(cyl) %>% mutate(is_outlier=ifelse(is_outlier(drat), drat, as.numeric(NA)))
dat$outlier[which(is.na(dat$is_outlier))] <- as.numeric(NA)

ggplot(dat, aes(y=drat, x=factor(cyl))) + geom_boxplot() + geom_text(aes(label=outlier),na.rm=TRUE,nudge_y=0.05)

【讨论】：

【解决方案4】：

这对你有用吗？

library(ggplot2)
library(data.table)

#generate some data
set.seed(123)
n=500
dat <- data.table(group=c("A","B"),value=rnorm(n))

ggplot 默认将异常值定义为距离框的边界 > 1.5*IQR。

#function that takes in vector of data and a coefficient,
#returns boolean vector if a certain point is an outlier or not
check_outlier <- function(v, coef=1.5){
  quantiles <- quantile(v,probs=c(0.25,0.75))
  IQR <- quantiles[2]-quantiles[1]
  res <- v < (quantiles[1]-coef*IQR)|v > (quantiles[2]+coef*IQR)
  return(res)
}

#apply this to our data
dat[,outlier:=check_outlier(value),by=group]
dat[,label:=ifelse(outlier,"label","")]

#plot
ggplot(dat,aes(x=group,y=value))+geom_boxplot()+geom_text(aes(label=label),hjust=-0.3)

【讨论】：

【解决方案5】：

与上述类似的答案，但直接从ggplot2 获取异常值，从而避免方法中的任何潜在冲突：

# calculate boxplot object
g <- ggplot(mtcars, aes(factor(cyl), drat)) + geom_boxplot()

# get list of outliers 
out <- ggplot_build(g)[["data"]][[1]][["outliers"]]

# label list elements with factor levels
names(out) <- levels(factor(mtcars$cyl))

# convert to tidy data
tidyout <- purrr::map_df(out, tibble::as_tibble, .id = "cyl")

# plot boxplots with labels
g + geom_text(data = tidyout, aes(cyl, value, label = value), 
              hjust = -.3)

【讨论】：

【解决方案6】：

对@JasonAizkalns 解决方案稍作改动，您可以使用异常值在数据框中的位置来标记它们。

mtcars[,'row'] <- row(mtcars)[,1]
...
mutate(outlier = ifelse(is_outlier(drat), row, as.numeric(NA)))
...

我将数据框加载到 R Studio 环境中，因此我可以仔细查看异常行中的数据。

【讨论】：