Ignorer les valeurs aberrantes dans le boxplot ggplot2

Comment ignorer les valeurs aberrantes dans le boxplot ggplot2? Je ne veux pas simplement qu'ils disparaissent (c.-à-d. Outlier.size = 0), mais je veux qu'ils soient ignorés de telle sorte que l'axe des y est mis à l'échelle pour afficher le 1er / 3ème percentile. Mes valeurs aberrantes font que la "boîte" rétrécit si petit qu'elle est pratiquement une ligne. Existe-t-il des techniques pour gérer cela?

Modifier Voici un exemple:

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

Voici une solution utilisant 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)

Permet geom_boxplot(outlier.shape = NA)de ne pas afficher les valeurs aberrantes et scale_y_continuous(limits = c(lower, upper))de modifier les limites de l'axe.

Un exemple.

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

En fait, comme Ramnath l'a montré dans sa réponse (et Andrie aussi dans les commentaires), il est plus logique de recadrer les échelles après avoir calculé la statistique, via coord_cartesian.

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

(Vous devrez probablement encore utiliser scale_y_continuouspour corriger les ruptures d'axe.)

J'ai eu le même problème et j'ai précalculé les valeurs pour Q1, Q2, médiane, ymin, ymax en utilisant 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

Le résultat est un boxplot sans valeurs aberrantes.

Une idée serait de winsorize les données dans une procédure en deux passes:

1. exécuter une première passe, apprendre quelles sont les limites, par exemple une coupe à un centile donné, ou un écart-type N au-dessus de la moyenne, ou ...

2. dans un deuxième passage, définissez les valeurs au-delà de la limite donnée à la valeur de cette limite

Je dois souligner qu'il s'agit d'une méthode désuète qui devrait être dominée par des techniques robustes plus modernes, mais vous la rencontrez toujours beaucoup.

L'option "coef" de la fonction geom_boxplot permet de changer le seuil de valeur aberrante en termes d'intervalle interquartile. Cette option est documentée pour la fonction stat_boxplot. Pour désactiver les valeurs aberrantes (en d'autres termes, elles sont traitées comme des données régulières), on peut au lieu d'utiliser la valeur par défaut de 1,5 spécifier une valeur de coupure très élevée:

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)

Si vous voulez forcer les moustaches à s'étendre aux valeurs max et min, vous pouvez modifier l' coefargument. La valeur par défaut pour coefest de 1,5 (c'est-à-dire que la longueur par défaut des moustaches est 1,5 fois 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 est exactement ce que vous voulez.

# 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)