J'ai besoin de dessiner 20 distributions dans un seul graphique en R, et cela ne me semble pas bien (encombré) avec boxplot régulier (20 cases) même avec boxwex = 0.3. Pourriez-vous me suggérer comment puis-je tracer une sorte de boxplot en R pour les 20 distributions, avec des points pour la médiane et juste une ligne au lieu de box, comme celui ci-dessous. Veuillez également me suggérer s'il existe une méthode R qui produit de beaux boxplots, en particulier si vous souhaitez afficher plusieurs distributions dans un seul graphique.

 -----0----

(Il s'agit vraiment d'un commentaire, mais comme il nécessite une illustration, il doit être publié en réponse.)

Ed Tufte a repensé le boxplot dans son Visual Display of Quantitative Information (p. 125, First Edition 1983) précisément pour permettre "une analyse informelle et exploratoire des données, où le temps du chercheur devrait être consacré à des questions autres que le tracé de lignes". J'ai (d'une manière parfaitement naturelle) étendu sa refonte pour tenir compte des valeurs aberrantes dans cet exemple montrant 70 boxplots parallèles:

Je peux penser à plusieurs façons d'améliorer encore cela, mais c'est caractéristique de ce que l'on pourrait produire dans le feu de l'exploration d'un ensemble de données complexe: nous nous contentons de faire des visualisations qui nous permettent de voir les données; une bonne présentation peut venir plus tard.

Comparez cela à un rendu conventionnel des mêmes données:

Tufte présente plusieurs autres remaniements basés sur son principe de «maximiser le taux d'encre des données». Leur valeur réside dans l'illustration de la façon dont ce principe peut nous aider à concevoir des graphiques exploratoires efficaces. Comme vous pouvez le voir, la mécanique de leur traçage revient à trouver n'importe quelle plate-forme graphique dans laquelle vous pouvez dessiner des marqueurs de point et des lignes.

Beanplots

Peut-être les intrigues les plus cool de tous les temps, ce sont fondamentalement une implémentation en petits multiples des intrigues de violon. Les tracés de violon ont un avantage énorme sur les tracés de boîte: ils peuvent montrer beaucoup plus de détails pour les distributions qui ne sont pas normales (par exemple, ils peuvent très bien montrer les distributions bimodales). Parce qu'ils sont généralement basés sur le lissage gaussien (ou similaire), ils ne fonctionneront pas vraiment bien pour les distributions avec des points haut de gamme (comme les distributions exponentielles), mais ensuite, les boxplots ne le seront pas non plus.

Les beanplots peuvent être réalisés très facilement dans R - il suffit d'installer le paquet beanplot :

library(beanplot)

# Sampling code from Greg Snow's answer:
my.dat <- lapply( 1:20, function(x) rnorm(x+10, sample( 10, 1), sample(3,1) ) )

beanplot(my.dat)

La beanplotfonction a des tonnes d'options , vous pouvez donc la personnaliser selon le désir de votre cœur. Il y a aussi un moyen de faire des beanplots dans ggplot2 (besoin de la dernière version):

library(ggplot2)

my.dat <- lapply(1:20, function(x) rnorm(x+10, sample(10, 1), sample(3,1)))
my.df <- melt(my.dat)
ggplot(my.df, aes(x=L1, y=value, group=L1)) + geom_violin(trim=FALSE) +
  geom_segment(aes(x=L1-0.1, xend=L1+0.1, y=value, yend=value), colour='white')

Voici quelques exemples de code R pour quelques façons de le faire, vous voudrez probablement développer cela (inclure des étiquettes, etc.) et peut-être le transformer en fonction:

my.dat <- lapply( 1:20, function(x) rnorm(x+10, sample( 10, 1), sample(3,1) ) )

tmp <- boxplot(my.dat, plot=FALSE, range=0)

# box and median only
plot( range(tmp$stats), c(1,length(my.dat)), xlab='', ylab='', type='n' )
segments( tmp$stats[2,], seq_along(my.dat), tmp$stats[4,] )
points( tmp$stats[3,], seq_along(my.dat) )

# wiskers and implied box
plot( range(tmp$stats), c(1,length(my.dat)), xlab='', ylab='', type='n' )
segments( tmp$stats[1,], seq_along(my.dat), tmp$stats[2,] )
segments( tmp$stats[4,], seq_along(my.dat), tmp$stats[5,] )
points( tmp$stats[3,], seq_along(my.dat) )