箱形图(Box-plot)又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用。
下图中标示了箱线图中每条线和点所表示的含义，应用到了分位数的概念。线主要表示五个数据节点，将一组数据从大到小排列，分别计算出他的上边缘（Maximum），上四分位数(Q3)，中位数（Median），下四分位数（Q1），下边缘（Minimum）。不在上边缘与下边缘的范围内的为异常值，用点表示。
大家有没有觉得用箱型图表示显得即直观又美观呢，接下来小编介绍数种方式教你作图，总有一款适合你。
数据准备
代码语言：javascript复制data<- data.frame(Value= rnorm(300), Repeat= rep(paste("Repeat",1:3, sep ="_"),100), Condition= rep(c("Control","Test"),150))
>head(data) Value Repeat Condition1 -1.1395507 Repeat_1 Control2 0.7319707 Repeat_2 Test3 -0.2219461 Repeat_3 Control4 -1.1454664 Repeat_1 Test5 1.0740937 Repeat_2 Control6 0.3741845 Repeat_3 Test1
boxplot函数（R自带）
最方便的方法就是用boxplot函数，不需要依赖任何包
代码语言：javascript复制boxplot(data$Value, ylab="Value")
根据不同的条件，加上颜色
代码语言：javascript复制boxplot(Value~Condition, data=data,ylab="Value", col=c("darkred","darkgreen"))
多个分组（condition 和 repeat）的箱线图
代码语言：javascript复制boxplot(Value~Condition Repeat, data=data,ylab="Value", col="darkgreen")
2
ggplot2
使用ggplot2来画箱线图是现在常用的方法
代码语言：javascript复制library(tidyverse)# 定义一种主题，方便后面重复使用theme_boxplot<- theme(panel.background=element_rect(fill="white", colour="black", size=0.25), axis.line=element_line(colour="black", size=0.25), axis.title=element_text(size=13, face="plain", color="black"), axis.text = element_text(size=12, face="plain", color="black"), legend.position="none"
# ggplot2画图ggplot(data, aes(Condition,Value)) geom_boxplot(aes(fill =Condition), notch = FALSE) scale_fill_brewer(palette ="Set2") theme_classic() theme_boxplot
01
Part
01
添加抖动散点
代码语言：javascript复制ggplot(data, aes(Condition,Value)) geom_boxplot(aes(fill =Condition), notch = FALSE) geom_jitter(binaxis ="y", position = position_jitter(0.2), stackdir ="center", dotsize =0.4) scale_fill_brewer(palette ="Set2") theme_classic() theme_boxplot
02
带凹槽（notched）的箱线图，中位数的置信区用凹槽表示
代码语言：javascript复制ggplot(data, aes(Condition,Value)) geom_boxplot(aes(fill =Condition), notch = TRUE, varwidth = TRUE) geom_jitter(binaxis ="y", position = position_jitter(0.2), stackdir ="center", dotsize =0.4) scale_fill_brewer(palette ="Set2") theme_classic() theme_boxplot
03
比较流行的小提琴图，内嵌箱线图和扰动散点
代码语言：javascript复制ggplot(data, aes(Condition,Value)) geom_violin(aes(fill =Condition), trim = FALSE) geom_boxplot(width =0.2) geom_jitter(binaxis ="y", position = position_jitter(0.2), stackdir ="center", dotsize =0.4) scale_fill_brewer(palette ="Set2") theme_classic() theme_boxplot
04
云雨图，它是密度分布图、箱线图、散点图的集合，完美的展示了所有数据信息
代码语言：javascript复制library(grid)
# GeomFlatViolin函数的定义见https://github.com/EasyChart/Beautiful-Visualization-with-Rggplot(data, aes(Condition,Value, fill=Condition)) geom_flat_violin(aes(fill =Condition), position = position_nudge(x=.25), color="black") geom_jitter(aes(color =Condition), width=0.1) geom_boxplot(width=.1, position=position_nudge(x=0.25), fill="white",size=0.5) scale_fill_brewer(palette ="Set2") coord_flip() theme_bw() theme_boxplot
02
Part
分组画箱线图
根据不同的Condition和Repeat对数据分组画图
代码语言：javascript复制ggplot(data, aes(Repeat,Value)) geom_boxplot(aes(fill =Condition), notch = FALSE, size =0.4) scale_fill_brewer(palette ="Set2") guides(fill=guide_legend(title="Repeat")) theme_bw()
同样的，我们可以对箱线图添加抖动点，但是分组之后，并不能直接添加抖动点，需要增加两列信息来辅助画抖动点
代码语言：javascript复制# 增加dist_cat和scat_adj ，用于画抖动点data<- data %>% mutate(dist_cat =as.numeric(Repeat), scat_adj= ifelse(Condition=="Control", -0.2,0.2))
# 增加之后的数据如下>head(data) Value Repeat Condition dist_cat scat_adj1 -1.1395507 Repeat_1 Control 1 -0.22 0.7319707 Repeat_2 Test 2 0.23 -0.2219461 Repeat_3 Control 3 -0.24 -1.1454664 Repeat_1 Test 1 0.25 1.0740937 Repeat_2 Control 2 -0.26 0.3741845 Repeat_3 Test 3 0.2
ggplot(data, aes(Repeat,Value)) geom_boxplot(aes(fill =Condition), notch = FALSE, size =0.4) geom_jitter(aes(scat_adj dist_cat,Value, fill = factor(Condition)), position=position_jitter(width=0.1,height=0), alpha=1, shape=21, size =1.2) scale_fill_brewer(palette ="Set2") guides(fill=guide_legend(title="Condition ")) theme_bw()
小提琴图本来是由两个左右对称的密度估计曲线构成，那么对数据分组之后，我们可以只保留两个小提琴图的各一半，这样更能直接的观察出两组之间的差异！
代码语言：javascript复制# ggplot2并未提供这样的功能，这里定义了geom_split_violin函数来实现# geom_split_violin 的定义见 https://github.com/EasyChart/Beautiful-Visualization-with-Rggplot(data, aes(x =Repeat, y =Value, fill=Condition)) geom_split_violin(draw_quantiles =0.5, trim = FALSE) geom_jitter(aes(scat_adj dist_cat,Value, fill = factor(Condition)), position=position_jitter(width=0.1,height=0), alpha=1, shape=21, size =1.2) scale_fill_brewer(palette ="Set2") guides(fill=guide_legend(title="Condition ")) theme_bw()
3
ggpubr (带显著性的箱线图)
生成数据
代码语言：javascript复制# 均值为3，标准差为1的正态分布c1<- rnorm(100,3,1)# Johnson分布的偏斜度2.2和峰度13c2<- rJohnson(100, findParams(3,1,2.,13.1))# Johnson分布的偏斜度0和峰度20c3<- rJohnson(100, findParams(3,1,2.2,20))data<- data.frame( Conditon= rep(c("C_1","C_2","C_3"), each =100), Value= c(c1, c2, c3))
#数据如下>head(data) Conditon Value1 C_1 2.6791692 C_1 1.6990263 C_1 5.4595684 C_1 3.7783655 C_1 3.6898816 C_1 1.295534ggpubr的功能多样，它可以直接帮你画出箱线图、密度分布图、直方图、点图、偏差图，最重要的是画这些图的同时标上significance levels，使用起来也比较简单。这里主要介绍它的箱线图使用方法
使用ggboxplot函数来实现作图，并实现wilcox.test
1
代码语言：javascript复制library(ggpubr)library(RColorBrewer)
# 定义需要两两比较的组compaired<- list(c("C_1","C_2"), c("C_2","C_3"), c("C_1","C_3"))palette<- c(brewer.pal(7,"Set2")[c(1,2,4)])
# wilcox.testggboxplot(data, x ="Conditon", y ="Value", fill="Conditon", palette = palette, add="jitter", size=0.5) stat_compare_means(comparisons = compaired, method ="wilcox.test") # 添加每两组变量的显著性 theme_classic() theme_boxplot
使用ggplot2的语法添加显著性检验，并将wilcox.test 换成 t.test
2
代码语言：javascript复制# t.testggplot(data, aes(Conditon,Value)) geom_boxplot(aes(fill =Conditon), notch = FALSE, outlier.alpha =1) scale_fill_brewer(palette ="Set2") geom_signif(comparisons = compaired, step_increase=0.1, map_signif_level= F, test= t.test) theme_classic() theme_boxplot
