箱线图
箱线图用五数概括来总结每个分组:箱子从 Q1 到 Q3、中间一条中位线,须子伸到还在「箱沿 1.5×IQR」之内的最远值 (Tukey 式)。想要原始点,可以叠一层抖动散布或者蜂群。
SELECT kuva_render(to_json({
'title': 'Expression by treatment',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'box',
'groups': groups,
'width': 0.7,
'color': 'steelblue'
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
分组按它们在 groups 里的先后从左往右画,所以是聚合里的 ORDER BY g 决定了分类顺序。
箱子上的每一部分
| 部件 | 含义 |
|---|---|
| 箱底 | Q1 —— 第 25 百分位 |
| 箱内横线 | Q2 —— 中位数 |
| 箱顶 | Q3 —— 第 75 百分位 |
| 下须 | 不小于 Q1 − 1.5 × IQR 的最小值 |
| 上须 | 不大于 Q3 + 1.5 × IQR 的最大值 |
须子之外的值不会单独画出来 —— 想看见它们就得开叠加。这是光秃秃的箱线图唯一藏着的东西,也正是叠加存在的 理由。
叠加原始点
把原始数据画在箱子上,样本量和分布形状一眼就看出来了,离群值也不再消失。
strip 让点在一条水平带里随机抖动,给的值是抖动宽度(数据轴单位,0.15–0.25 比较合适):
SELECT kuva_render(to_json({
'title': 'Jittered strip overlay',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'box',
'groups': groups,
'color': 'steelblue',
'strip': 0.2,
'overlay_color': 'rgba(0,0,0,0.4)',
'overlay_size': 3
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
swarm 把点往两侧排开、互不重叠 —— 蜂群。每组大致 N < 200 时它比抖动更好读,因为点密的地方是真的密,
而不是随机的:
SELECT kuva_render(to_json({
'title': 'Beeswarm overlay',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'box',
'groups': groups,
'color': 'steelblue',
'swarm': true,
'overlay_color': 'rgba(0,0,0,0.4)',
'overlay_size': 3
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
overlay_color 留点半透明,下面的箱子才透得出来。
逐组颜色
colors 逐个给分组上色,与 groups 按位置对应 —— 第一个颜色给第一个分组。列表用完之后的分组回退到统一的
color。一个分组的所有部件(箱子、须子、端帽)同色。
SELECT kuva_render(to_json({
'title': 'Per-group colours',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'box',
'groups': groups,
'colors': ['steelblue', 'tomato', 'seagreen', 'goldenrod', 'mediumpurple'],
'width': 0.7
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
colors 走图例条目用的是统一的 color,所以 colors 画出来是彩色的箱子、配一个单色的图例钥。想要逐组的图例,就一个
分组一个 box series,各自带 color 与 legend —— 它们共用坐标轴。
横向
horizontal 把图转过来:分类在 y 轴、数值在 x 轴。分类名很长时就该用它。
SELECT kuva_render(to_json({
'title': 'Horizontal box plot',
'x_axis': {'name': 'expression'},
'y_axis': {'name': 'group'},
'series': [{
'type': 'box',
'groups': groups,
'colors': ['steelblue', 'tomato', 'seagreen', 'goldenrod', 'mediumpurple'],
'horizontal': true
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
缺口箱
notch 把箱子两侧往里切一道,标出中位数附近的置信区间。按惯例,缺口不重叠的两个分组,中位数就可视为不同。
notch_depth 与 notch_width 调整切的深度与宽度。
SELECT kuva_render(to_json({
'title': 'Notched boxes',
'x_axis': {'name': 'group'},
'y_axis': {'name': 'expression'},
'series': [{
'type': 'box',
'groups': groups,
'color': 'steelblue',
'notch': true,
'width': 0.7
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
字段
| 字段 | 类型 | 设置什么 |
|---|---|---|
groups | group[] | 必填。 每个分组一个箱子,每项是 {label, values}(分组内的 color 会被忽略 —— 用 colors)。 |
colors | string[] | 逐组颜色,与 groups 按位置对应。 |
width | number | 箱宽占分类槽位的比例(默认 0.8)。 |
gap | number | 分组之间的空隙(等价于 1 - width)。 |
horizontal | boolean | 横向画(数值在 x 轴)。 |
strip | number | 叠加抖动散点,值就是抖动幅度。 |
swarm | boolean | 叠加蜂群,而不是普通抖动。 |
overlay_color | string | 叠加点的颜色(默认 rgba(0,0,0,0.45))。 |
overlay_size | number | 叠加点的半径(默认 3)。 |
notch | boolean | 画缺口箱(缺口标出中位数的置信区间)。 |
notch_depth | number | 缺口切多深。 |
notch_width | number | 缺口多宽。 |
color(所有箱子同一个颜色)与 legend 见 series 与通用字段。
说明
- 每个分组至少要有一个值,且
groups不能为空。 colors按位置对应,所以它的顺序必须与groups一致。strip与swarm是二选一;两个都写时蜂群生效。- 须子之外的离群值只有开了叠加才看得见 —— 箱子本身不画它们。
另见
- kuva — 箱线图 —— 绘图库自己的图型参考。
- 小提琴图 —— 完整的分布形状,而不只是四分位数。
- 散点带图 —— 每个观测都画出来,不做概括。
- 雨云图 —— 箱子、密度与点一起上。