什么是缺口箱线图？如何绘制？

原创已于 2026-01-31 17:08:03 修改 · 912 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

数据分析

于 2025-06-22 17:36:14 首次发布

大家好，我是带我去滑雪！

箱线图是一种用于展示数据分布特征的统计图表，又称为盒状图或盒须图。它主要通过一个“箱子”和延伸出的“须”来展示一组数据的中位数、上下四分位数、最大值、最小值以及异常值。箱子的中线表示中位数，上边缘和下边缘分别代表上四分位数（Q3）和下四分位数（Q1），而“须”则延伸至数据中非异常的最大值和最小值。任何超出上下“须”范围的点通常被视为异常值，并以小圆点等形式标出。箱线图的作用主要体现在能直观地比较不同数据集的分布情况，包括数据的集中趋势、离散程度以及是否存在异常值。这种图形广泛用于数据分析、科学实验、质量控制等领域，尤其适用于需要比较多个组别数据时，可以一眼看出哪些数据集偏高、偏低，哪一组数据更稳定或离散程度更大。箱线图是一种高效的可视化工具，能帮助我们快速掌握数据的总体结构和关键特征。

现在越来越多的科研论文都在用缺口箱线图，缺口箱线图（Notched Box Plot）在展示数据集中趋势时具有更强的表达能力，特别是在比较不同组之间的中位数差异方面提供了更直观和统计学上的信息支持。缺口箱线图最早由约翰·图基（John Tukey）提出，是对传统箱线图的一种改进。在普通箱线图中，虽然可以看出中位数的位置，但无法判断不同组的中位数差异是否具有统计显著性。而缺口箱线图在箱子的中位数位置引入了“缺口”——即一个收缩的区域，这个缺口的宽度基于中位数的估计标准误差。如果两个箱线图的缺口区域没有重叠，则可以初步认为这两组数据的中位数在统计上是显著不同的。

这种图形之所以受到科研人员的欢迎，在作者看来主要有以下几个优势。首先，它在可视化中融合了统计推断的功能，使读者无需额外计算即可大致判断组间差异的显著性；其次，它在图形简洁的基础上增强了解读深度，特别适合多组数据比较的情境；再次，缺口箱线图对异常值和离群点仍保留了标示能力，使数据的完整性得以体现。因此，在强调数据可视化与统计解释并重的当代科研中，缺口箱线图成为了一个功能丰富、表达精准的优选工具。

下面我们开始代码实战。

library(ggplot2)
library(patchwork)
data(mpg)
mpg$class = as.factor(mpg$class)
mpg$class
ggplot(mpg, aes(class, hwy))+stat_boxplot(geom="errorbar",width=0.1,size=0.5) + geom_boxplot(aes(fill=class),color="blue",linewidth=0.5,outlier.color="blue",
                                       )

p1 <- ggplot(mpg, aes(class, hwy)) +
  stat_boxplot(geom="errorbar", width=0.1, size=0.5) +
  geom_boxplot(
    aes(fill=class),
    linewidth=0.5,
  ) +
  theme_bw() +
  theme(
    panel.background = element_rect(fill = "transparent", colour = NA),
    plot.background = element_rect(fill = "transparent", colour = NA),
    legend.background = element_rect(fill = "transparent", colour = NA),
    legend.box.background = element_rect(fill = "transparent", colour = NA),
    legend.position = "none"  # 隐藏图例
  ) +
  ggtitle('Plot1')

p1

ggsave(
  filename = "E:/工作/硕士/boxplot_transparent.pdf",
  plot = p1,
  device = cairo_pdf, 
  bg = "transparent",
  width = 10, height = 8, units = "in"
)



save_path_pdf <- "E:/工作/硕士/boxplot.pdf"
p2 <-ggplot(mpg, aes(class, hwy)) +
  stat_boxplot(geom = "errorbar", width = 0.1, size = 0.5) +
  geom_boxplot(
    aes(fill = class),
    color = "blue",
    linewidth = 0.5,
    outlier.color = "blue",
    outlier.fill = "red"
  ) +
  theme_bw() +
  theme(
    panel.background = element_rect(fill = "transparent", colour = NA),
    plot.background = element_rect(fill = "transparent", colour = NA),
    legend.background = element_rect(fill = "transparent", colour = NA),
    legend.box.background = element_rect(fill = "transparent", colour = NA)
  )+
  ggtitle('Plot2')
p2

ggsave(
  filename = save_path_pdf,
  plot = p2,
  device = cairo_pdf,
  bg = "transparent",
  width = 10, height = 8, units = "in"
)

cat("PDF 保存成功，路径为：", save_path_pdf)

p1+p2

ggsave(
  filename = "E:/工作/硕士/科研/Combination chart.pdf",
  plot = p1+p2,
  device = cairo_pdf,  # 使用cairo_pdf支持透明
  bg = "transparent",
  width = 10, height = 8, units = "in"
)

输出结果：