R में बॉक्स प्लॉट ट्यूटोरियल

boxplot() फ़ंक्शन यह दिखाता है कि संख्यात्मक चर y का वितरण, दूसरे चर x के अद्वितीय स्तरों के अनुसार कैसे भिन्न होता है। प्रभावी होने के लिए, इस दूसरे चर में बहुत अधिक अद्वितीय स्तर नहीं होने चाहिए (उदा., 10 या उससे कम अच्छा है; इससे बहुत अधिक होने पर प्लॉट की व्याख्या कठिन हो जाती है)।

boxplot() फ़ंक्शन में कई वैकल्पिक पैरामीटर भी होते हैं, और यह अभ्यास आपसे उनमें से तीन का उपयोग करके अधिक सूचनाप्रद प्लॉट प्राप्त करने के लिए कहता है:

• varwidth परिवर्तनीय‑चौड़ाई वाले बॉक्स प्लॉट की अनुमति देता है, जो डेटा उपसमुच्चयों के अलग‑अलग आकार दिखाता है।
• log y‑मानों के लॉग‑रूपांतरण की अनुमति देता है।
• las अधिक पठनीय अक्ष लेबलों की अनुमति देता है।

आपको बॉक्स प्लॉट कब उपयोग करना चाहिए

• जब आपके पास एक सतत (continuous) चर हो, जिसे किसी श्रेणीबद्ध (categorical) चर द्वारा विभाजित किया गया हो।

• जब आप प्रत्येक श्रेणी के लिए उस सतत चर के वितरणों की तुलना करना चाहते हों।

हिस्टोग्राम बनाम बॉक्स प्लॉट

• नीचे हिस्टोग्राम बनाम बॉक्स प्लॉट की तुलना दी गई है। बीच की रेखा वितरण का माध्यक (median) दिखाती है। अर्थात, आधे सम्राटों ने इस आयु से पहले शासन शुरू किया, और आधे ने इस आयु के बाद।

• बॉक्स प्लॉट में बॉक्स, निचले क्वारटाइल से ऊपरी क्वारटाइल तक फैला होता है। निचला क्वारटाइल वह बिंदु है जहाँ एक‑चौथाई मान उससे कम होते हैं। अर्थात, एक‑चौथाई सम्राटों ने इस आयु से पहले शासन शुरू किया, और तीन‑चौथाई ने इसके बाद। इसी प्रकार, ऊपरी क्वारटाइल वह आयु है जहाँ तीन‑चौथाई सम्राटों ने इस आयु से कम पर शासन शुरू किया। ऊपरी और निचले क्वारटाइल के बीच के अंतर को इंटर‑क्वारटाइल रेंज कहा जाता है।

क्षैतिज रेखाएँ, जिन्हें "whiskers" कहा जाता है, का परिभाषा अधिक जटिल है। प्रत्येक बार इंटरक्वारटाइल रेंज के डेढ़ गुना तक बढ़ता है, लेकिन फिर उन्हें वास्तविक डेटा बिंदुओं तक सीमित कर दिया जाता है।

तकनीकी परिभाषा नीचे दी गई छवि में दिखाई गई है, लेकिन व्यवहार में, आप whiskers को इतना विस्तारित मान सकते हैं कि उनके बाहर की कोई भी चीज़ चरम मान (extreme value) मानी जाती है।

जैसा कि पहले उल्लेख किया गया है, बॉक्स प्लॉट्स की शक्ति यह है कि आप एक साथ कई वितरणों की तुलना कर सकते हैं। यहाँ, शाही घरानों को ऊपर से नीचे तक पुराने से नए क्रम में रखा गया है।

एक प्रवृत्ति दिखती है: चौदहवीं शताब्दी के Plantagenets के बाद से, बॉक्स धीरे‑धीरे दाईं ओर खिसकते नज़र आते हैं, जो दिखाता है कि नए सम्राटों के सिंहासन पर आसीन होने की आयु बढ़ती गई है।

Godwin और Blois एक एकल रेखा के रूप में दिखाई देते हैं क्योंकि प्रत्येक घराने से केवल एक राजा था। Anjou घराने में केवल तीन राजा थे, और इसका बॉक्स एक whisker के साथ बनता है, दो के साथ नहीं।

ध्यान दें कि Denmark और Windsor घरानों के बॉक्स प्लॉट्स में कुछ बिंदु दिखते हैं। ये चरम मान हैं, अर्थात, whiskers की सीमा के बाहर के मान। Windsor का सबसे बाएँ वाला आउट्लायर Elizabeth द्वितीय हैं, जो 26 वर्ष की आयु में आसीन हुईं।

boxplot() फ़ंक्शन

निम्न उदाहरण में, फ़ॉर्मूला इंटरफ़ेस का उपयोग करते हुए, आप Boston data frame के अलग‑अलग rad मानों के ऊपर संख्यात्मक crim मानों के वितरण को दर्शाने वाला बॉक्स प्लॉट बनाएँगे। फिर, varwidth पैरामीटर का उपयोग करके परिवर्तनीय‑चौड़ाई वाले बॉक्स प्लॉट्स प्राप्त करें, y‑अक्ष को लॉग‑रूपांतरित निर्दिष्ट करें, और x तथा y—दोनों अक्षों के लिए क्षैतिज लेबल प्राप्त करने हेतु las पैरामीटर को 1 पर सेट करें।

अंत में, title() फ़ंक्शन का उपयोग करके शीर्षक "Crime rate vs. radial highway index" जोड़ें।

# Create a variable-width Box Plot with log y-axis & horizontal labels
boxplot(crim ~ rad, data = Boston,
        varwidth = TRUE, log = "y", las = 1)

# Add a title
title("Crime rate vs. radial highway index")

जब हम ऊपर दिया गया कोड चलाते हैं, तो यह निम्न परिणाम उत्पन्न करता है:

खुद आज़माएँ।

बॉक्स प्लॉट्स के बारे में और जानने के लिए, हमारे कोर्स Understanding Data Visualization का यह वीडियो देखें।

यह सामग्री DataCamp के Understanding Data Visualization कोर्स (लेखक: Richie Cotton) और हमारे Data Visualization in R कोर्स (लेखक: Ronald Pearson) से ली गई है।