写一段画箱形图的R代码

以下是使用R语言中的ggplot2包绘制箱线图的示例代码： ```R # 导入ggplot2包 library(ggplot2) # 创建数据集 y <- data.frame( Var1 = rep(c("A", "B", "C"), each = 100), value = rnorm(300) ) # 定义函数，计算箱线图的统计指标 f <- function(y) { r <- quantile(y, probs = c(0.05, 0.25, 0.5, 0.75, 0.95)) r[3] <- mean(y) names(r) <- c("ymin", "lower", "middle", "upper", "ymax") r } # 绘制箱线图 p1 <- ggplot(y, aes(Var1, value, fill = factor(Var1))) + scale_fill_brewer(palette = "Set3") + guides(fill = FALSE) + stat_summary(fun.data = f, geom = 'boxplot') # 在图中添加一条虚线 2 <- p1 + geom_hline(aes(yintercept = 0.6), linetype = "dashed") ``` 这段代码首先导入了ggplot2包，然后创建了一个数据集y，其中包含了要绘制箱线图的数据。接下来定义了一个函数f，用于计算箱线图的统计指标。最后使用ggplot函数创建了一个基本的箱线图p1，并使用stat_summary函数将函数f应用于数据集y，以绘制箱线图的各个部分。最后，使用geom_hline函数在图中添加了一条虚线p2。

### 使用 `ggplot2` 和 diamonds 数据集绘制箱线图和散点图 #### 绘制箱线图 利用 `geom_boxplot()` 函数可以方便地生成箱线图。以下是一个示例，展示如何按钻石切割质量 (`cut`) 对价格 (`price`) 进行分组并绘制箱线图。 ```r library(ggplot2) # 绘制箱线图 ggplot(diamonds, aes(x = cut, y = price, fill = cut)) + geom_boxplot(outlier.color = "red", outlier.size = 1) + labs(title = "Boxplot of Diamond Prices by Cut", x = "Cut Quality", y = "Price") + theme_minimal() + scale_fill_manual(values = c("#FF9999", "#66B2FF", "#99FF99", "#FFCC80", "#C2C2F0")) ``` 该代码通过设置不同的颜色来区分每种切割质量对应的箱子，并标注异常值为红色[^3]。 --- #### 添加均值标记点到箱线图 为了更直观地表示各组的平均值，可使用 `stat_summary()` 函数向箱线图中添加均值标记点。 ```r # 箱线图加上均值标记点 ggplot(diamonds, aes(x = cut, y = price, fill = cut)) + geom_boxplot(outlier.color = "red", outlier.size = 1) + stat_summary(fun = "mean", geom = "point", shape = 23, size = 3, fill = "white") + labs(title = "Boxplot with Mean Points", x = "Cut Quality", y = "Price") + theme_classic() + scale_fill_brewer(palette = "Set1") ``` 这段代码在原有箱线图的基础上加入了白色圆形作为均值标记点，增强了数据解读能力[^4]。 --- #### 绘制散点图 对于散点图，通常会关注两个连续变量之间的关系。例如，可以用克拉重量 (`carat`) 和价格 (`price`) 构建散点图。 ```r # 散点图展示 carat 和 price 的关系 ggplot(diamonds, aes(x = carat, y = price, color = cut)) + geom_point(alpha = 0.5, size = 0.7) + labs(title = "Scatter Plot of Carat vs Price", x = "Carat Weight", y = "Price") + theme_light() + scale_color_viridis_d(option = "plasma") ``` 此处选择了透明度较低的小圆点以减少视觉干扰，并按照切割质量赋予不同颜色[^5]。 --- #### 将箱线图与散点图组合在一起 有时需要在一个图形中同时呈现两种类型的图表以便更好地分析数据。下面是如何将箱线图和部分随机抽样的散点结合起来的例子： ```r set.seed(123) # 设置种子确保结果一致 # 抽取样本用于散点图 sample_data <- diamonds[sample(nrow(diamonds), 1000), ] # 组合箱线图和散点图 ggplot(data = diamonds, aes(x = cut, y = price, fill = cut)) + geom_boxplot(alpha = 0.5) + geom_jitter(data = sample_data, aes(color = cut), width = 0.2, alpha = 0.6, size = 0.8) + labs(title = "Combined Boxplot and Scatter Plot", x = "Cut Quality", y = "Price") + theme_minimal() + scale_fill_brewer(palette = "Pastel1") + scale_color_brewer(palette = "Dark2") ``` 在这个例子中，先从原数据集中抽取一部分样本来降低计算负担，再将其叠加至箱线图之上形成综合视图[^6]。 ---