Ignorieren Sie Ausreißer im Boxplot von ggplot2

Wie würde ich Ausreißer im ggplot2-Boxplot ignorieren? Ich möchte nicht einfach, dass sie verschwinden (dh outlier.size = 0), aber ich möchte, dass sie so ignoriert werden, dass die y-Achse so skaliert wird, dass das 1./3. Perzentil angezeigt wird. Meine Ausreißer bewirken, dass die "Box" so klein wird, dass sie praktisch eine Linie ist. Gibt es einige Techniken, um damit umzugehen?

Bearbeiten Hier ist ein Beispiel:

y = c(.01, .02, .03, .04, .05, .06, .07, .08, .09, .5, -.6)
qplot(1, y, geom="boxplot")

Hier ist eine Lösung mit boxplot.stats

# create a dummy data frame with outliers
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))


# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1
p1 = p0 + coord_cartesian(ylim = ylim1*1.05)

Verwenden Sie geom_boxplot(outlier.shape = NA)diese Option , um die Ausreißer nicht anzuzeigen und die Achsengrenzen scale_y_continuous(limits = c(lower, upper))zu ändern.

Ein Beispiel.

n <- 1e4L
dfr <- data.frame(
  y = exp(rlnorm(n)),  #really right-skewed variable
  f = gl(2, n / 2)
)

p <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot()
p   # big outlier causes quartiles to look too slim

p2 <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot(outlier.shape = NA) +
  scale_y_continuous(limits = quantile(dfr$y, c(0.1, 0.9)))
p2  # no outliers plotted, range shifted

Wie Ramnath in seiner Antwort (und auch Andrie in den Kommentaren) gezeigt hat, ist es tatsächlich sinnvoller, die Skalen nach der Berechnung der Statistik über zuzuschneiden coord_cartesian.

coord_cartesian(ylim = quantile(dfr$y, c(0.1, 0.9)))

(Sie müssen wahrscheinlich noch verwenden scale_y_continuous, um die Achsenbrüche zu beheben.)

Ich hatte das gleiche Problem und berechnete die Werte für Q1, Q2, Median, ymin, ymax mit boxplot.stats:

# Load package and generate data
library(ggplot2)
data <- rnorm(100)

# Compute boxplot statistics
stats <- boxplot.stats(data)$stats
df <- data.frame(x="label1", ymin=stats[1], lower=stats[2], middle=stats[3], 
                 upper=stats[4], ymax=stats[5])

# Create plot
p <- ggplot(df, aes(x=x, lower=lower, upper=upper, middle=middle, ymin=ymin, 
                    ymax=ymax)) + 
    geom_boxplot(stat="identity")
p

Das Ergebnis ist ein Boxplot ohne Ausreißer.

Eine Idee wäre, winsorize die Daten in einem Zwei-Pass - Verfahren:

1. Führen Sie einen ersten Durchgang durch, lernen Sie die Grenzen kennen, z. B. einen Schnitt bei einem bestimmten Perzentil oder eine N-Standardabweichung über dem Mittelwert oder ...

2. Setzen Sie in einem zweiten Durchgang die Werte jenseits der angegebenen Grenze auf den Wert dieser Grenze

Ich sollte betonen, dass dies eine altmodische Methode ist, die von moderneren robusten Techniken dominiert werden sollte, aber Sie stoßen immer noch häufig darauf.

Mit der Option "coef" der Funktion geom_boxplot kann der Ausreißer-Cutoff in Bezug auf Interquartilbereiche geändert werden. Diese Option ist für die Funktion stat_boxplot dokumentiert. Um Ausreißer zu deaktivieren (mit anderen Worten, sie werden als reguläre Daten behandelt), kann anstelle des Standardwerts von 1,5 ein sehr hoher Grenzwert angegeben werden:

library(ggplot2)
# generate data with outliers:
df = data.frame(x=1, y = c(-10, rnorm(100), 10)) 
# generate plot with increased cutoff for outliers:
ggplot(df, aes(x, y)) + geom_boxplot(coef=1e30)

Wenn Sie die Whisker zwingen möchten, sich auf die Max- und Min-Werte auszudehnen, können Sie das coefArgument optimieren . Der Standardwert für coefist 1,5 (dh die Standardlänge der Whisker beträgt das 1,5-fache des IQR).

# Load package and create a dummy data frame with outliers 
#(using example from Ramnath's answer above)
library(ggplot2)
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))

# create boxplot where whiskers extend to max and min values
p1 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)), coef = 500)

Ipaper :: geom_boxplot2 ist genau das, was Sie wollen.

# devtools::install_github('kongdd/Ipaper')
library(Ipaper)
library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot2(width = 0.8, width.errorbar = 0.5)