Ignorer les valeurs aberrantes dans ggplot2 boxplot

Utiliser geom_boxplot(outlier.shape = NA) pour ne pas afficher les valeurs aberrantes et scale_y_continuous(limits = c(lower, upper)) pour modifier les limites de l'axe.

Un exemple.

n <- 1e4L
dfr <- data.frame(
  y = exp(rlnorm(n)),  #really right-skewed variable
  f = gl(2, n / 2)
)

p <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot()
p   # big outlier causes quartiles to look too slim

p2 <- ggplot(dfr, aes(f, y)) + 
  geom_boxplot(outlier.shape = NA) +
  scale_y_continuous(limits = quantile(dfr$y, c(0.1, 0.9)))
p2  # no outliers plotted, range shifted

En fait, comme Ramnath l'a montré dans sa réponse (et Andrie aussi dans les commentaires), il est plus logique de recadrer les échelles après avoir calculé la statistique, via coord_cartesian.

coord_cartesian(ylim = quantile(dfr$y, c(0.1, 0.9)))

(Vous aurez probablement encore besoin d'utiliser scale_y_continuous pour fixer l'axe des pauses.)

J'ai eu le même problème et précalculé les valeurs pour Q1, Q2, median, ymin, Ymax en utilisant boxplot.stats:

# Load package and generate data
library(ggplot2)
data <- rnorm(100)

# Compute boxplot statistics
stats <- boxplot.stats(data)$stats
df <- data.frame(x="label1", ymin=stats[1], lower=stats[2], middle=stats[3], 
                 upper=stats[4], ymax=stats[5])

# Create plot
p <- ggplot(df, aes(x=x, lower=lower, upper=upper, middle=middle, ymin=ymin, 
                    ymax=ymax)) + 
    geom_boxplot(stat="identity")
p

Le résultat est un boxplot sans valeurs aberrantes.

Une idée serait de winsoriser les données dans un deux-pass:

1. Exécutez un premier passage, apprenez quelles sont les limites, par exemple la Coupe de Au percentile donné, ou n écart-type au-dessus de la moyenne, ou...

2. Dans un deuxième passage, définissez les valeurs au-delà de la limite donnée à la valeur de cette limite

Je dois souligner que c'est une méthode démodée qui devrait être dominée par plus de moderne robuste techniques mais vous rencontrez encore beaucoup.

L'option "coef" de la fonction geom_boxplot permet de modifier la coupure aberrante en termes de plages interquartiles. Cette option est documentée pour la fonction stat_boxplot. Pour désactiver les valeurs aberrantes (en d'autres termes, elles sont traitées comme des données régulières), on peut au lieu d'utiliser la valeur par défaut de 1.5 spécifier une valeur de coupure très élevée:

library(ggplot2)
# generate data with outliers:
df = data.frame(x=1, y = c(-10, rnorm(100), 10)) 
# generate plot with increased cutoff for outliers:
ggplot(df, aes(x, y)) + geom_boxplot(coef=1e30)

Si vous voulez forcer les moustaches à s'étendre aux valeurs max et min, vous pouvez modifier l'argument coef. La valeur par défaut pour coef est 1.5 (c'est-à-dire que la longueur par défaut des moustaches est 1.5 fois L'IQR).

# Load package and create a dummy data frame with outliers 
#(using example from Ramnath's answer above)
library(ggplot2)
df = data.frame(y = c(-100, rnorm(100), 100))

# create boxplot that includes outliers
p0 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)))

# create boxplot where whiskers extend to max and min values
p1 = ggplot(df, aes(y = y)) + geom_boxplot(aes(x = factor(1)), coef = 500)

for( i in match(rownames(TT),rownames(data))){
  File=paste('HNSC-',rownames(data)[i],".png",sep="")
  Name<-unlist(lapply(colnames(data),function(x) unlist(strsplit(x,"-TCGA"))[1]))
  type<-unlist(lapply(Name,function(x) unlist(strsplit(x,"-"))[2]))
  input<-data.frame(lncRNA=as.numeric(as.character(data[i,])),Name,type)
  p<-ggplot(input,aes(Name,lncRNA,fill=factor(type)))
  p<-p+geom_boxplot(outlier.shape=NA)
  max<-max(tapply(input$lncRNA,input$Name,function(x) quantile(x,0.975)))
  min<-min(tapply(input$lncRNA,input$Name,function(x) quantile(x,0)))
  p<-p+coord_flip(ylim = c(min, max))
  p
  ggsave(File)
}