本文翻译自：https://www.cedricscherer.com/2021/06/06/visualizing-distributions-with-raincloud-plots-and-how-to-create-them-with-ggplot2/
如何展示你的数据？
对于大多数人来说，小提琴图已经不是展示数据的新鲜方法了：这种图表在 23 年就前开始使用。而在图中加入数据分布的总览，甚至是原始数据，将会是一个非常好的补充。而包含了箱线图、小提琴图以及抖动点图的云雨图，就是这种情况比较合适的实现。
云雨图于 2019 年推出，作为一种克服在绘制带有误差条的条形图（也称为炸药图）或箱线图时隐藏真实数据分布问题的方法。云雨图结合了多种图表类型来同时可视化原始数据、数据密度分布以及关键汇总统计。
| 图一 |
 |
从箱线图开始
箱线图是一种表现数据分布汇总的有效形式。然而，它并不总是能达到我们想要的效果。为了说明这个问题，我们先模拟一组数据：
set.seed(2021)
data <- tibble(
group = factor(c(rep("Group 1", 100), rep("Group 2", 250), rep("Group 3", 25))),
value = c(seq(0, 20, length.out = 100),
c(rep(0, 5), rnorm(30, 2, .1), rnorm(90, 5.4, .1), rnorm(90, 14.6, .1), rnorm(30, 18, .1), rep(20, 5)),
rep(seq(0, 20, length.out = 5), 5))
) %>%
rowwise() %>%
mutate(value = if_else(group == "Group 2", value + rnorm(1, 0, .4), value))
|
然后绘制箱线图：
ggplot(data, aes(x = group, y = value)) +
geom_boxplot(fill = "grey92")
|
| 图二 |
 |
三个组别的箱线图完全一致，但每组的样本量大小，潜在的分布模式却难以识别。 当然，在样本大小上添加注释可能被认为是一种很好的做法，但它仍然不能告诉你有关实际模式的太多信息。
n_fun <- function(x){
return(data.frame(y = median(x) - 1.25,
label = paste0("n = ",length(x))))
}
ggplot(data, aes(x = group, y = value)) +
geom_boxplot(fill = "grey92") +
stat_summary(
geom = "text",
fun.data = n_fun,
size = 5
)
|
| 图三 |
 |
更进一步：添加原始数据
一个显著的改进方法是添加数据点。由于我们已经知道第 2 组由 200 个观测值组成，让我们使用抖动带代替传统的带状图：
ggplot(data, aes(x = group, y = value)) +
geom_boxplot(fill = "grey92") +
geom_point(
size = 2,
alpha = .3,
position = position_jitter(
seed = 1, width = .2
)
)
|
| 图四 |
 |
图案很不一样！第 1 组的值均匀分布。第2组中的值聚集在该组四分位数周围有明显差距！并且第 3 组的少数观察结果都是整数。
我们可以用ggbeeswarm::geom_quasirandom()或ggforce::geom_sina()包来改进散点：
ggplot(data, aes(x = group, y = value)) +
geom_boxplot(fill = "grey92") +
ggbeeswarm::geom_quasirandom(
size = 1.5,
alpha = .4,
width = .2
)
|
| 图五 |
 |
ggplot(data, aes(x = group, y = value)) +
geom_boxplot(fill = "grey92") +
ggforce::geom_sina(
size = 1.5,
alpha = .4,
maxwidth = .5
)
|
| 图六 |
 |
小提琴图：审稿人的噩梦？
小提琴图可用于可视化数值变量的分布。它是一条镜像密度曲线，表示沿连续轴的数据点数量。
ggplot(data, aes(x = group, y = value)) +
geom_violin(fill = "grey92")
|
| 图七 |
 |
默认情况下，小提琴图可能看起来有点奇怪。默认设置 (scale = "area") 具有误导性。第 1 组看起来与第 3 组几乎相同，但包含的观察值是其四倍。此外，平滑核的默认标准差在该数据的情况下不是最佳的，因为它平滑了没有任何数据的区域，隐藏了数据的真实模式。
我们可以通过将宽度设置为观察次数scale = "count"并调整带宽(bw)来操纵这两个默认值。从美学上讲，可以删除轮廓：
ggplot(data, aes(x = group, y = value)) +
geom_violin(
fill = "grey72",
color = NA,
scale = "count",
bw = .4
)
|
| 图八 |
 |
小提琴图允许明确表示分布，但不提供汇总统计数据。为了两全其美，它通常与箱线图混合使用——要么是带有”胡须“和异常值的完整箱线图，要么是仅指示中位数和四分位距 (IQR) 的箱线图：
ggplot(data, aes(x = group, y = value)) +
geom_violin(
fill = "grey72",
color = NA,
scale = "count",
bw = .5
) +
geom_boxplot(
fill = NA,
width = .1
)
|
| 图九 |
 |
ggplot(data, aes(x = group, y = value)) +
geom_violin(
fill = "grey72",
color = NA,
scale = "count",
bw = .5
) +
geom_boxplot(
fill = NA,
width = .1,
coef = 0,
outlier.color = NA
)
|
| 图十 |
 |
你可能想知道：为什么不在箱线图上叠加原始数据，而是要使用小提琴图？好吧，如果你有很多的原始数据，绘制原始数据的所有方法都会变得困难，包括可读性以及运算方面。在这种情况下，小提琴图是一个很好的选择，结合一些汇总统计数据甚至更好。但我们也可以将这三者结合起来……
云雨图：一个绝佳的选择
云雨图可用于同时可视化原始数据、数据分布和关键汇总统计数据。实际上，它是一个混合图：由一半小提琴图、箱线图和作为某种散点的原始数据组成：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
justification = -.2,
.width = 0,
point_colour = NA
) +
geom_boxplot(
width = .12,
outlier.color = NA
) +
ggdist::stat_dots(
side = "left",
justification = 1.1,
binwidth = .25
) +
coord_cartesian(xlim = c(1.2, NA))
|
| 图十一 |
 |
在这里，我们使用了{ggdist}包中的两个几何对象的图层，即{stat_dots()}来绘制“雨”，用{stat_halfeye}来绘制云。我们对两个对象的位置都进行了一定的偏移调整，使得他们能彼此相邻并为中间的箱线图腾出空间。我们还通过设置.width为0以及point_colour来将halfeye中的平板间隔去掉。图像需要手动调整一些样式，比如justification和带的数量很大程度上取决于你的数据。我们还可以简单地设置x轴的范围来去除左侧的空白部分。
也可以使用{ggdist}中默认的密度曲线和平板间隔来进行展示：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
.width = c(.5, .95)
) +
ggdist::stat_dots(
side = "left",
dotsize = .8,
justification = 1.05,
binwidth = .3
) +
coord_cartesian(xlim = c(1.2, NA))
|
| 图十二 |
 |
这种方式虽然可以直观展示四分位间距和 95% 区间，但也可能产生误导，让人以为这是置信区间。所以，使用这种图形时，最好再添加一个注释，以确保读者理解平板间隔表示的内容。
当然，可以用抖动点图甚至是条码图来代替点图。我们可以使用{gghalves}包中的geom_half_dotplot()函数。这个函数可以进行ggplot2默认图层geom_point()和geom_jitter()无法做到的调整：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
.width = 0,
justification = -.2,
point_colour = NA
) +
geom_boxplot(
width = .15,
outlier.shape = NA
) +
gghalves::geom_half_point(
side = "l",
range_scale = .4,
alpha = .3
) +
coord_cartesian(xlim = c(1.2, NA), clip = "off")
|
| 图十三 |
 |
注意，{gghalves}包也会沿y轴添加一些抖动。这个包也提供了绘制半个箱线图的方法，但这里不推荐。
另一个替代方法是使用geom_jitter()（或geom_point()）将抖动点放在箱线图上：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
.width = 0,
justification = -.3,
point_colour = NA) +
geom_boxplot(
width = .25,
outlier.shape = NA
) +
geom_point(
size = 1.3,
alpha = .3,
position = position_jitter(
seed = 1, width = .1
)
) +
coord_cartesian(xlim = c(1.2, NA), clip = "off")
|
| 图十四 |
 |
最后一种选择是，使用条码图而非抖动点：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
.width = 0,
justification = -.2,
point_colour = NA
) +
geom_boxplot(
width = .15,
outlier.shape = NA
) +
geom_point(
shape = 95,
size = 10,
alpha = .2
) +
coord_cartesian(xlim = c(1.2, NA), clip = "off")
|
| 图十五 |
 |
如图，这并不是最优选择，因为第三组的实际值很难倍被观察到，因为它们完全和箱线图重合。我们可以用geom_half_pint()，并取消沿x轴增加的抖动：
ggplot(data, aes(x = group, y = value)) +
ggdist::stat_halfeye(
adjust = .5,
width = .6,
.width = 0,
justification = -.2,
point_colour = NA
) +
geom_boxplot(
width = .15,
outlier.shape = NA
) +
gghalves::geom_half_point(
side = "l",
shape = 95,
range_scale = 0,
size = 10,
alpha = .2
) +
coord_cartesian(xlim = c(1.2, NA), clip = "off")
|
| 图十六 |
 |
点击这里跳转到 RStata 短书平台获取附件：使用 ggplot2 绘制云雨图
评论