【零基础学绘图】之alpha指数箱体图绘制（一）

箱线图作为描述统计的工具之一，可以直观明了地识别数据中的异常值、利用箱线图判断数据的偏态和尾重、比较几批数据的形状。很多老师在数据分析时常常借助excel进行箱体图绘制。这里我们介绍一下如何用R语言通过几行代码实现箱体图的绘制：

一、箱体图简介

二、boxplot函数用法举例

1. 单个boxplot图绘制

2. 多个boxplot图绘制

3. 图形美化

三、alpha指数箱体图绘制

1. 单个指数的箱体图绘制

2. 多个指数的箱体图绘制

3. 多个指数绘制在一张图中

箱线图简介

箱线图又称箱形图或盒须图，该图是由5个特征值绘制而成的图形。

5个特征值是变量的最大值、最小值、中位数、第1四分位数和第3四分位数。

连接两个分位数画出一个箱子，箱子用中位数分割，把两个极值点与箱子用线条连接，即成箱线图。

语法

boxplot(x, data, notch, varwidth, names, main)

下面是使用R的描述参数：

x 是一个向量或者一个公式

data 是一个数据框

notch 是一个逻辑值。设置为TRUE以绘制凹槽

varwidth 是一个逻辑值。设置为true，绘制与样本量成比例的框宽

names 是组标签，将打印在每个箱线图下

main 用来给图形一个标题

boxplot函数用法举例

（1）简单使用情况

统计某中学学生的身高数据如下：

144, 166, 163, 143, 152, 169, 130, 159, 160, 175, 161, 170, 146, 159, 150, 183, 165, 146, 169

（手机上不能完整显示代码或输出，左右滑动屏幕即可）

In [1]:

1 h = c(144, 166, 163, 143, 152, 169, 130, 159, 160, 175, 161, 170, 146, 159, 150, 183, 165, 146, 169)2 boxplot(h)

（2）多组的箱线图

某工厂推行新的工作方法，实验组和对照组（原方法）的工作效率（每小时产量），如下面的数据：

试验组：35, 41, 40, 37, 43, 32, 39, 46

对照组：32, 39, 34, 36, 32, 38, 34, 31

绘制其箱线图。

编写R程序如下：

In [2]:

1 x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)2 f <- factor(rep(c("试验组","对照组"), each=8)) #定义分组因子3 data<- data.frame(x,f) #生成数据框4 data

In [3]:

1 boxplot(x~f,data)

（3）width参数，border参数和col参数的使用

In [4]:

1 x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)

2 f <- factor(rep(c("试验组","对照组"), each=8))

3 data<- data.frame(x,f)

4 xplot(x~f,data,width=c(1,2), col=c(2,3), border=c("darkgray","purple"))

（4）带凹口的箱线图

In [5]:

1 x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)

2 f <- factor(rep(c("试验组","对照组"), each=8))

3 data<- data.frame(x, f)

4 boxplot(x~f,data,width=c(1,2), col=c(2,3), border=c("darkgray","purple"), notch=TRUE)

alpha指数箱体图绘制

读取数据、加载数据

In [6]:

1 df = read.table('alpha.diversity.index.xls',header = T,sep = '	')2 df

Samples  Observed  Chao1  ACE  Shannon  Simpson  CoverageA1  151  363.6875  328.2471  0.9143299  0.5851193  0.9980423A2  107  209.2143  209.0519  0.8519641  0.5796722  0.9987263A3  110  201.8333  217.2798  0.7759573  0.5829244  0.9986320B1  119  189.5000  186.3921  1.3215587  0.4164409  0.9988678B2  139  298.7500  285.8452  1.2793320  0.4029692  0.9983017B3  137  275.6667  266.2865  1.2598530  0.4427447  0.9984669C1  142  272.3333  287.8124  1.2834435  0.4747636  0.9983725C2  127  178.0000  233.6027  1.4704978  0.3442275  0.9987971C3  122  267.0909  248.6806  1.4304456  0.3721059  0.9986555D1  67  124.2727  143.6564  0.2969139  0.8897256  0.9991509D2  69  114.7692  153.7493  0.3179932  0.8834281  0.9991745D3  125  195.7143  208.6256  0.6819542  0.7452832  0.9987027

In [7]:

1 attach(df)

绘制一个变量的箱体图

In [8]:

1 boxplot(Observed,xlab = 'Observed',main = "Observed_boxplot")

按组绘制变量图

In [9]:

1 f <- factor(rep(c("A","B","C","D"), each=3))2 data<- data.frame(df, f)3 data

Samples  Observed  Chao1  ACE  Shannon  Simpson  Coverage  fA1  151  363.6875  328.2471  0.9143299  0.5851193  0.9980423  AA2  107  209.2143  209.0519  0.8519641  0.5796722  0.9987263  AA3  110  201.8333  217.2798  0.7759573  0.5829244  0.9986320  AB1  119  189.5000  186.3921  1.3215587  0.4164409  0.9988678  BB2  139  298.7500  285.8452  1.2793320  0.4029692  0.9983017  BB3  137  275.6667  266.2865  1.2598530  0.4427447  0.9984669  BC1  142  272.3333  287.8124  1.2834435  0.4747636  0.9983725  CC2  127  178.0000  233.6027  1.4704978  0.3442275  0.9987971  CC3  122  267.0909  248.6806  1.4304456  0.3721059  0.9986555  CD1  67  124.2727  143.6564  0.2969139  0.8897256  0.9991509  DD2  69  114.7692  153.7493  0.3179932  0.8834281  0.9991745  DD3  125  195.7143  208.6256  0.6819542  0.7452832  0.9987027  D

In [10]:

1 attach(data)

In [11]:

1 boxplot(Observed~f,col=c('red','green','blue','black'),main= "Observed_boxplot",submain='boxplot')

6个指数绘制在一张图上

In [12]:

1 par(mfrow = c(2,3))

2 boxplot(Observed~f,col=c('red','green','blue','black'),main= "Observed_boxplot",submain='boxplot')3 boxplot(Chao1~f,col=c('red','green','blue','black'),main= "Chao1_boxplot",submain='boxplot')4 boxplot(ACE~f,col=c('red','green','blue','black'),main= "ACE_boxplot",submain='boxplot')5 boxplot(Shannon~f,col=c('red','green','blue','black'),main= "Shannon_boxplot",submain='boxplot')6 boxplot(Simpson~f,col=c('red','green','blue','black'),main= "Simpson_boxplot",submain='boxplot')7 boxplot(Coverage~f,col=c('red','green','blue','black'),main= "Coverage_boxplot",submain='boxplot'