一般針對連續變項的分布情形，通常會使用盒形圖來做視覺化的呈現，盒形圖的組成會包含下左圖所提到的，中位數(median)、上四分位數(25th quantile)、下四分位數(75th quantile)、上邊緣(最大值，maximum)、下邊緣(最小值，minimum)以及可能的異常值(outlier)，我們可以透過盒形圖的對稱與否觀察資料的離散程度，也可以檢視資料當中有無不合理的異常值。除此之外，盒形圖也可以用來比較不同組別資料的分布差異，如下右圖所示，一號實驗對象的光速平均而言(中位數約930)比起其他實驗組別要來得快，但資料的分布也比較分散。
雖然盒形圖的優點是可真實呈現原始數據的分布情況，也可以用於比較不同母群體的差異，但無法知道數據更進一步的分布情形(例如：是單峰分布還是雙峰分布)，為了要在圖形上呈現資料分布的分布細節，可用另一種小提琴圖來呈現，小提琴圖可以呈現盒形圖能提供的資訊外，能額外提供密度函數的樣子，其實小提琴圖就是一種盒形圖加上機率密度圖的組合。使用小提琴圖的優點在於能提供比盒形圖更多的資訊，當資料量大的時候，如果要清楚呈現觀察值的分布情形時，小提琴圖會是一個很好的選擇，也正因為可以提供更多的資訊，往往會干擾閱讀，因此是優點有時也會是缺點之一。
上述說明了關於盒形圖以及小提琴圖的基本概念以及比較後，筆者接著要來說明如何透過R去繪製小提琴圖，在畫圖之前需要先去下載”ggplot2” package並載入。
1.匯入畫圖資料
data <- as.data.frame(warpbreaks)
2.初步分組小提琴圖 (將初步圖存成p這個物件，之後用疊圖的方式修改)
p <- ggplot(data, aes(x = tension, y = breaks)) +
geom_violin()
p #把圖印出來
3.可以互換X軸跟Y軸
p + coord_flip()
4.不修剪小提琴的尾部
p + geom_violin(trim=FALSE)
5.添加統計數值在圖上，fun可以選擇平均數或中位數
p + stat_summary(fun= mean, geom = "point", shape = 23, size = 2, color = "blue")
6.添加盒形圖
p + geom_boxplot(width = 0.1)
7.改變圖形的顏色
p + geom_violin(aes(color = tension)) #改變小提琴圖外框的顏色
p + geom_violin(aes(fill = tension)) #將小提琴圖填滿顏色
綜合上述提到的一些基本指令，我們可以得到優化後的小提琴圖
p <- ggplot(data, aes(x = tension, y = breaks)) +
geom_violin(trim=FALSE) +
geom_violin(aes(color = tension)) +
geom_boxplot(width = 0.1) +
stat_summary(fun= mean, geom = "point",shape = 23, size = 2, color = "blue")
目前的圖形還有一些優化的空間，例如去除背景、X軸跟Y軸的字體大小跟內容、去除格線等等，有興趣的讀者可參考筆者之前寫的文章” R語言繪製cluster error bar plot”，裡面有對於圖形修改更進一步的介紹。
參考資料：
留言列表
{{ article.title }}