跳到主要内容

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"
)
);
图例不会跟着 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
groupsgroup[]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)。
colorsstring[]逐组颜色,与 groups 按位置对应。
widthnumber箱宽占分类槽位的比例(默认 0.8)。
gapnumber分组之间的空隙(等价于 1 - width)。
horizontalboolean横向画(数值在 x 轴)。
stripnumber叠加抖动散点,值就是抖动幅度。
swarmboolean叠加蜂群,而不是普通抖动。
overlay_colorstring叠加点的颜色(默认 rgba(0,0,0,0.45))。
overlay_sizenumber叠加点的半径(默认 3)。
notchboolean画缺口箱(缺口标出中位数的置信区间)。
notch_depthnumber缺口切多深。
notch_widthnumber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​