Ignora gli outlier nel boxplot ggplot2

Come ignorerei gli outlier nel boxplot ggplot2? Non voglio semplicemente che scompaiano (cioè outlier.size = 0), ma voglio che vengano ignorati in modo tale che l'asse y si riduca per mostrare il 1 ° / 3 ° percentile. I miei valori anomali stanno facendo restringere la "scatola" così piccola che praticamente è una linea. Ci sono alcune tecniche per affrontare questo?

Modifica Ecco un esempio:

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

Ecco una soluzione che utilizza 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)

Utilizzare geom_boxplot(outlier.shape = NA)per non visualizzare i valori anomali e scale_y_continuous(limits = c(lower, upper))per modificare i limiti degli assi.

Un esempio.

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

In realtà, come ha mostrato Ramnath nella sua risposta (e anche Andrie nei commenti), ha più senso ritagliare le scale dopo aver calcolato la statistica, tramite coord_cartesian.

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

(Probabilmente dovrai ancora usare scale_y_continuousper correggere le interruzioni degli assi.)

Ho avuto lo stesso problema e ho pre-calcolato i valori per Q1, Q2, mediana, ymin, ymax usando 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

Il risultato è un diagramma a scatole senza valori anomali.

Un'idea sarebbe quella di vincolare i dati in una procedura a due passaggi:

1. eseguire un primo passaggio, apprendere quali sono i limiti, ad es. taglio del dato percentile o N deviazione standard sopra la media o ...

2. in un secondo passaggio, imposta i valori oltre il limite dato al valore di quel limite

Dovrei sottolineare che si tratta di un metodo vecchio stile che dovrebbe essere dominato da tecniche più moderne e robuste, ma ci si imbatte ancora molto.

L'opzione "coef" della funzione geom_boxplot consente di modificare il valore soglia anomalo in termini di intervalli interquartili. Questa opzione è documentata per la funzione stat_boxplot. Per disattivare i valori anomali (in altre parole vengono trattati come dati regolari), invece di utilizzare il valore predefinito di 1,5 è possibile specificare un valore di cutoff molto elevato:

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)

Se vuoi forzare i baffi a estendersi ai valori massimo e minimo, puoi modificare l' coefargomento. Il valore predefinito per coefè 1,5 (ovvero la lunghezza predefinita dei baffi è 1,5 volte l'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 è proprio quello che vuoi.

# 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)