参考自https://www.cnblogs.com/ljhdo/p/4921588.html
作者：悦光阴
箱线图通过绘制观测数据的五数总括，即最小值、下四分位数、中位数、上四分位数以及最大值，描述了变量值的分布情况。箱线图能够显示出离群点（outlier），离群点也叫做异常值，通过箱线图能够很容易识别出数据中的异常值。
箱线图的各个组成部分的名称及其位置如下图所示：
箱线图可以直观地看出数据集的以下重要性值：
中心位置：中位数所在的位置就是数据集的中心；
散布程度：箱线图分为多个区间，区间较短时，表示落在该区间的点较集中；
对称性：如果中位数位于箱子的中间位置，那么数据分布较为对称；如果极值离中位数的距离较大，那么表示数据分布倾斜。
一，绘制箱线图
通常情况下，我们使用ggplot和geom_boxplot绘制箱线图，本次使用R内置数据ToothGrowth作为示例数据：
library(ggplot2)
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
ggplot(ToothGrowth, aes(x=dose, y=len)) + geom_boxplot()
最基本的箱线图如下：
2，设置离群点（outlier）
geom_boxplot函数中有outlier开头的多个参数，用于修改离群点的属性：
outlier.colour：离群点的颜色
outlier.fill：离群点的填充色
outlier.shape：离群点的形状
outlier.size：离群点的大小
outlier.alpha：离群点的透明度
ggplot(ToothGrowth, aes(x=dose, y=len)) +
geom_boxplot(outlier.colour="blue", outlier.shape=25, outlier.size=10,outlier.alpha=1,outlier.fill="red")
3，设置箱线图的颜色
通过aes(color=)函数可以为每个箱线图设置一个颜色，而箱线图的划分是通过aes(color=)函数的color参数来划分的，划分箱线图之后，scale_color_*()函数才会起作用，该函数用于为每个箱线图设置前景色和填充色，颜色是自定义的：
scale_fill_manual() #for box plot, bar plot, violin plot, etc
scale_color_manual() #for lines and points
以下代码设置箱线图的前景色：
ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +
geom_boxplot()+ scale_color_manual(values=c("#999999","#E69F00","#56B4E9"))
4，设置Legend 的位置
说明（Legend）是对箱线图的解释性描述，默认的位置是在画布的右侧中间位置，可以通过theme()函数修改Legend的位置，lengend.position的有效值是top、right、left、bottom和none，默认值是right：
p <- ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +
geom_boxplot()+
scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))
p + theme(legend.position="top")
p + theme(legend.position="bottom")
p + theme(legend.position="none") # Remove legend
5，设置箱线图的标题和坐标轴的名称
通过labs设置箱线图的标题和坐标的名称，参数title用于设置标题，x和y用于设置x轴和y轴的标签：
ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +
geom_boxplot()+ scale_color_manual(values=c("#999999","#E69F00","#56B4E9"))+ theme(legend.position="right")+ labs(title="Plot of length per dose",x="Dose (mg)", y ="Length")
6，绘制箱线图的散点
通过geom_point函数，向箱线图中添加点，geom_jitter()函数是geom_point(position = "jitter")的包装，binaxis="y"是指沿着y轴进行分箱：
# Box plot with dot plot
p + geom_dotplot(binaxis='y', stackdir='center', dotsize=1)
# Box plot with jittered points
# 0.2: degree of jitterin x direction
p + geom_jitter(shape=16, position=position_jitter(0.2))
7，旋转箱线图
函数coord_flip()用于翻转笛卡尔坐标系，使水平变为垂直，垂直变为水平，主要用于把显示y条件x的geoms和统计信息转换为x条件y。
p <- ggplot(ToothGrowth, aes(x=dose, y=len)) +
geom_boxplot() +
coord_flip()
二，异常值检测
绘制散点图，并标记异常值：
ggplot(ToothGrowth, aes(x=dose, y=len,color=dose)) +
geom_boxplot(outlier.colour="red", outlier.shape=7,outlier.size=4)+
scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+
theme(legend.position="right")+
labs(title="Plot of length per dose",x="Dose (mg)", y = "Length")+
geom_dotplot(binaxis='y', stackdir='center', stackratio=1.5, dotsize=1.2)
当箱线图中的异常值过多时，绘制的图中，箱子被压成一条线，无法观察到数据的分布，这就需要移除异常值，只保留适量的离群点，常见的做法是改变ylim的范围，代码是：
# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1,5)]
# scale y limits based on ylim1
ggplot() + gemo_box() + coord_cartesian(ylim = ylim1*1.05)
