R 为什么使用ggplot2触须图会使CSV数据复杂化？

我可以用测试数据复制工作

ggplot2

boxplot，但不能用R中的CSV数据。 关于事件的单点可视数据（睡眠和唤醒）

现实生活中关于睡眠的数据

"Vars"    , "Sleep1", "Sleep2", ...
"Average" , 7       , 5
"Min"     , 4       , 3
"Max"     , 10      , 8

现实生活中关于觉醒的数据

"Vars"    , "Awake1", "Awake2", ...
"Average" , 12      , 14
"Min"     , 10      , 7
"Max"     , 15      , 17

集成数据的代码

# only single point!
dat.m <- structure(list(Vars = structure(c(1L, 3L, 2L), .Label = c("Average ", 
"Max     ", "Min     "), class = "factor"), Sleep = c(7, 4, 10
), Awake = c(12L, 5L, 15L)), .Names = c("Vars", "Sleep", "Awake"
), class = "data.frame", row.names = c(NA, -3L))

library('ggplot2')    
# works:
str(mpg)
#mpg$class
#mpg$hwy
ggplot(mpg, aes(x = class, y = hwy)) +
    geom_boxplot()

# http://stackoverflow.com/a/44031194/54964
m <- t(dat.m)    
dat.m <- data.frame(m[2:nrow(m),])
names(dat.m) <- m[1,]
dat.m$Vars <- rownames(m)[2:nrow(m)]
dat.m <- melt(dat.m, id.vars = "Vars")

# TODO complicates here although should not
ggplot(dat.m, aes(x = Vars, y = value, fill=variable)) + #
    geom_boxplot() 

#只有一个点！
dat.m有
base R
函数使用四分位数制作箱线图：
bxp（）
，但您需要第25、50和75个百分位数，以及下四分位数（Q1）、中位数（Q2）和上四分位数（Q3）

例如：

bxp(list(stats = matrix(c( 4,6,7,9,10, 10,11,12,14,15), nrow = 5,
 ncol = 2), n = c(30,30), names = c("Sleep", "Awake")))


现在使用您的数据：（已编辑）

让我们使用您介绍的第一个数据集：

dat.m <- structure(list(Vars = structure(c(1L, 3L, 2L), .Label = c("Average ", 
"Max     ", "Min     "), class = "factor"), Sleep = c(7, 4, 10
), Awake = c(12L, 5L, 15L)), .Names = c("Vars", "Sleep", "Awake"
), class = "data.frame", row.names = c(NA, -3L))

> dat.m
      Vars Sleep Awake
1 Average      7    12
2 Min          4     5
3 Max         10    15


> str(dat.m)
'data.frame':   3 obs. of  3 variables:
 $ Vars : Factor w/ 3 levels "Average ","Max     ",..: 1 3 2
 $ Sleep: num  7 4 10
 $ Awake: int  12 5 15

然后：


您可能会发现这些文章很有趣：

重要点：用方框图可视化样本（）
方框图：解释数据的简单直观方法（）
方框图的变化（）
您是否正在尝试使用3个观察值进行箱线图绘制？但是，如果您确实想要绘制箱线图，请尝试：library（ggplot2）；图书馆（E2）；你指的是每个变量吗？“观察值”是单个值。如果是这样的话，你应该提供一个更好的数据集部分。这些数据仍然没有用处。绘图所需的是“原始”数据。该函数将在内部计算汇总统计信息，例如中值、IQR、最小值、最大值等；因此，这些统计数据在数据集中没有用处。@ed_sans我只有描述性统计数据，而不是数据本身，因此我想这样绘制这些值。这能做到吗？@LéoLéopoldertz준영, 请参阅上面“使用您的数据”部分的编辑。@LéoLéopoldHertz준영 可能将该行替换为：这些值（Q1和Q3）预计将被提供或包含在数据集（dat.m）或汇总统计数据中。对于这个特定的例子，我手动输入了一些值来解释函数。@LéoLéopoldertz준영, 如果您有原始或全部（未分组）数据，则可以计算包括中位数在内的四分位数。在本例中，只有最大值、最小值和平均值，这不足以计算四分位数。四分位数是独立的度量值，我认为仅使用平均值、最小值和最大值无法得到正确的估计。例如，如果你的分布是右偏的，那么第三个四分位数将与你建议的Q3=0.75*非常不同。
bxp(list(stats = matrix(c( 4,6,7,9,10, 10,11,12,14,15), nrow = 5,
 ncol = 2), n = c(30,30), names = c("Sleep", "Awake")))

dat.m <- structure(list(Vars = structure(c(1L, 3L, 2L), .Label = c("Average ", 
"Max     ", "Min     "), class = "factor"), Sleep = c(7, 4, 10
), Awake = c(12L, 5L, 15L)), .Names = c("Vars", "Sleep", "Awake"
), class = "data.frame", row.names = c(NA, -3L))

> dat.m
      Vars Sleep Awake
1 Average      7    12
2 Min          4     5
3 Max         10    15


> str(dat.m)
'data.frame':   3 obs. of  3 variables:
 $ Vars : Factor w/ 3 levels "Average ","Max     ",..: 1 3 2
 $ Sleep: num  7 4 10
 $ Awake: int  12 5 15

quartiles <- data.frame(Vars = c("Q1","Q3"), Sleep = c(6,8), 
                    Awake = c(9,13))

> str(quartiles)
'data.frame':   2 obs. of  3 variables:
 $ Vars : Factor w/ 2 levels "Q1","Q3": 1 2
 $ Sleep: num  6 8
 $ Awake: num  9 13


data <- rbind(dat.m ,quartiles)

      Vars Sleep Awake
1 Average      7    12
2 Min          4     5
3 Max         10    15
4 Q1           6     9
5 Q3           8    13

library(dplyr)
## Disable this line if you want to use the universal approach
data <-  dplyr::arrange(data, Sleep, Awake)
## Enable the following for more universal approach
# data <- arrange_(data, .dots = as.list(strsplit(colnames(data)[2:ncol(data)], ', '))) 

bxp(list(stats = as.matrix(data[,2:3]), n = c(30,30), names = names(data[,2:3]))) # assuming n = 30.

library(reshape2)
library(ggplot2)
(data2 <- melt(data))

       Vars variable value
1  Min         Sleep     4
2  Q1          Sleep     6
3  Average     Sleep     7
4  Q3          Sleep     8
5  Max         Sleep    10
6  Min         Awake     5
7  Q1          Awake     9
8  Average     Awake    12
9  Q3          Awake    13
10 Max         Awake    15

ggplot(data2, aes(x = variable, y = value)) +
  geom_boxplot()