作者：小伍哥

來源：小伍哥聊風(fēng)控

今天放假了回家過年了，分享兩個看異常分布的圖，很好看，也很實用。不會用或者不會畫的，隨時私聊我。畢竟現(xiàn)在過年也沒啥事。

一、箱線圖

箱盒圖（也稱盒圖，箱線圖等）是在1977年由美國統(tǒng)計學(xué)家John Tukey發(fā)明，分析數(shù)據(jù)需要為定量數(shù)據(jù)。通過箱盒圖，可以直觀的探索數(shù)據(jù)特征。

箱盒圖共有兩個用途:1）直觀地識別數(shù)據(jù)中異常值（離群點）；2）直觀地判斷數(shù)據(jù)離散分布情況，了解數(shù)據(jù)分布狀態(tài)。

箱盒圖共由五個數(shù)值點構(gòu)成，下邊緣，25%分位數(shù)（Q1），中位數(shù)，75%分位數(shù)（Q3），上邊緣。其中：

1）中橫線 = 中位數(shù)

2）下邊緣 = Q1 – 1.5 IQR 其中：IQR=75%分位數(shù)（Q3）-25%分位數(shù)（Q1）

3）上邊緣 = Q3 + 1.5 IQR

特別說明：箱盒圖里面的上邊緣值并非最大值，下邊緣值也不是最小值。

如果數(shù)據(jù)有存在離群點即異常值，他們超出最大或者最小觀察值，此時將離群點以“圓點”形式進行展示。

#安裝與加載包install.packages('ggplot2') library(ggplot2)#抽樣部分數(shù)據(jù) dsmall = diamonds[sample(nrow(diamonds),5000),]#比較基礎(chǔ)的圖形 ggplot(dsmall,aes(x=color,y=price,fill=color))+
geom_boxplot()+
scale_fill_manual(values=c('blue','cyan', 'yellow', 'orange', 'red', 'Cyan1', 'DeepPink1'))+
facet_grid(.~clarity )

ggplot(mpg,aes(x=trans,y=displ,fill=trans))+theme_bw()
+geom_boxplot()+theme(plot.title  =element_text(size=20,face="bold",
color="red", hjust=0.5,vjust=0.5,lineheight=0.01,family="myFont"),  
            #axis.title.x=element_text(size=12,face="bold",color="black",hjust=0.5),      
            axis.title.y=element_text(size=12,face="bold",color="black",hjust=0.5),      
            #axis.text.x =element_text(size=08,face="plain",color="black",angle=90,vjust=0.5,lineheight=0.01,family="myFont"),       
            axis.text.y =element_text(size=08,face="plain",color="black",family="myFont"),      
            panel.grid=element_blank(),      
            panel.background = element_blank(),      legend.position='none')

業(yè)務(wù)中的一些圖，不同類目的商品價格，不同城市的消費水平等等，基本上能夠一目了然的發(fā)現(xiàn)問題。是一個既實用又裝逼的圖，大家可以試試。

二、密度圖

密度圖特別適合對比黑白樣本同樣的特征的分布問題

qplot(carat,data = dsmall,geom = c('density'),
fill = cut,colour = cut)

qplot(depth,data = dsmall,geom = c('density'),fill = cut,
colour = cut,alpha = I(2/10))

qplot(depth,data = dsmall,geom = c('density'),
fill = cut,colour = cut,alpha = I(2/10))

業(yè)務(wù)中的一些數(shù)據(jù)對比，為黑白樣本同一個特征的分布對比，可以看到有比較大的不同