r - 如何使用 geom_boxplot(stat = "identity") 模拟带有异常值的 geom_boxplot()

Question

我想预先计算数据的按变量摘要(使用 plyr 并传递 quantile 函数)，然后使用 geom_boxplot(stat = "identity") 绘图.这很好用，除了它 (a) 不将异常值绘制为点和 (b) 将“ mustache ”扩展到正在绘制的数据的最大值和最小值。

例子:

library(plyr)
library(ggplot2)

set.seed(4)
df <- data.frame(fact = sample(letters[1:2], 12, replace = TRUE),
                 val  = c(1:10, 100, 101))
df
#    fact val
# 1     b   1
# 2     a   2
# 3     a   3
# 4     a   4
# 5     b   5
# 6     a   6
# 7     b   7
# 8     b   8
# 9     b   9
# 10    a  10
# 11    b 100
# 12    a 101

by.fact.df <- ddply(df, c("fact"), function(x) quantile(x$val))

by.fact.df
#   fact 0%  25% 50%  75% 100%
# 1    a  2 3.25 5.0 9.00  101
# 2    b  1 5.50 7.5 8.75  100

# What I can do...with faults (a) and (b) above
ggplot(by.fact.df, 
       aes(x = fact, ymin = `0%`, lower = `25%`, middle = `50%`, 
           upper = `75%`,  ymax = `100%`)) +
  geom_boxplot(stat = "identity")

# What I want...
ggplot(df, aes(x = fact, y = val)) +
  geom_boxplot()

我能做什么...上面提到的错误(a)和(b):



我想获得什么，但仍然通过 plyr 利用预计算(或其他方法):



初步想法:也许有某种方法可以在没有异常值的情况下预先计算 mustache 的真实终点？然后，对异常值的数据进行子集化并将它们作为 geom_point() 传递?

动机:在处理更大的数据集时，我发现利用 plyr 更快、更实用。 , dplyr ，和/或 data.table预先计算统计数据然后绘制它们而不是让 ggplot2到计算。

更新

我可以使用以下 dplyr 的组合来提取我需要的内容和 plyr代码，但我不确定这是否是最有效的方法:

df %>%
  group_by(fact) %>%
  do(ldply(boxplot.stats(.$val), data.frame))

Source: local data frame [6 x 3]
Groups: fact

  fact   .id X..i..
1    a stats      2
2    a stats      4
3    a stats     10
4    a stats     13
5    a stats     16
6    a     n      9

Answer 1

这是我的答案，使用内置函数 quantile和 boxplot.stats .
geom_boxplot boxplot 的计算与 boxplot.stats 略有不同.阅读 ?geom_boxplot和 ?boxplot.stats了解我在下面的实现

#Function to calculate boxplot stats to match ggplot's implemention as in geom_boxplot.
my_boxplot.stats <-function(x){
        quantiles <-quantile(x, c(0, 0.25, 0.5, 0.75, 1))
        labels <-names(quantile(x))
        #replacing the upper whisker to geom_boxplot
        quantiles[5] <-boxplot.stats(x)$stats[5]
        res <-data.frame(rbind(quantiles))
        names(res) <-labels
        res$out <-boxplot.stats(x)$out
        return(res)
    }

计算统计数据并绘制它的代码

library(dplyr)
df %>% group_by(fact) %>% do(my_boxplot.stats(.$val)) %>% 
      ggplot(aes(x=fact, y=out, ymin = `0%`, lower = `25%`, middle = `50%`,
                 upper = `75%`,  ymax = `100%`)) +
      geom_boxplot(stat = "identity") + geom_point()