Hướng dẫn Box Plot trong R

Hàm boxplot() cho thấy cách phân phối của một biến số học y khác nhau giữa các mức độ duy nhất của biến thứ hai, x. Để hiệu quả, biến thứ hai này không nên có quá nhiều mức độ duy nhất (ví dụ, 10 hoặc ít hơn là tốt; nhiều hơn sẽ khiến biểu đồ khó diễn giải).

Hàm boxplot() cũng có một số tham số tùy chọn, và bài tập này yêu cầu bạn dùng ba tham số để có biểu đồ nhiều thông tin hơn:

• varwidth cho phép Box Plot có bề rộng biến thiên, thể hiện kích thước khác nhau của các tập con dữ liệu.
• log cho phép biến đổi log đối với các giá trị y.
• las giúp nhãn trục dễ đọc hơn.

Khi nào bạn nên dùng Box Plot

• Khi bạn có một biến liên tục, được chia theo một biến phân loại.

• Khi bạn muốn so sánh phân phối của biến liên tục cho từng nhóm.

Histogram so với Box Plot

• Dưới đây là so sánh giữa một Histogram và một Box Plot. Đường ở giữa thể hiện trung vị của phân phối. Tức là một nửa số quân vương bắt đầu trị vì trước độ tuổi này và một nửa sau độ tuổi này.

• Hộp trong Box Plot kéo dài từ tứ phân vị dưới đến tứ phân vị trên. Tứ phân vị dưới là điểm mà một phần tư giá trị nằm dưới nó. Tức là một phần tư số quân vương bắt đầu trị vì trước độ tuổi này và ba phần tư sau đó. Tương tự, tứ phân vị trên là độ tuổi mà ba phần tư số quân vương bắt đầu trị vì nằm dưới độ tuổi này. Hiệu giữa tứ phân vị trên và tứ phân vị dưới được gọi là khoảng tứ phân vị (interquartile range).

Các đường ngang, gọi là "râu" (whiskers), có định nghĩa phức tạp hơn. Mỗi râu kéo dài tới một rưỡi lần khoảng tứ phân vị, nhưng bị giới hạn ở các điểm dữ liệu thực tế.

Định nghĩa kỹ thuật được minh họa trong hình dưới; trên thực tế, bạn có thể hiểu các râu kéo dài đủ xa để mọi giá trị nằm ngoài chúng được coi là giá trị ngoại lai.

Như đã đề cập, sức mạnh của Box Plot là bạn có thể so sánh nhiều phân phối cùng lúc. Ở đây, các triều đại hoàng gia được sắp xếp từ lâu đời nhất ở trên đến mới nhất ở dưới.

Một xu hướng hiện rõ: từ nhà Plantagenet vào thế kỷ XIV, các hộp dần dịch sang phải, cho thấy độ tuổi các quân vương lên ngôi ngày càng tăng.

Godwin và Blois xuất hiện dưới dạng một đường đơn vì mỗi nhà chỉ có một vị vua. Nhà Anjou chỉ có ba vị vua, tạo thành một hộp với một râu, không phải hai.

Lưu ý rằng Box Plot của các nhà Denmark và Windsor hiển thị một số điểm. Đây là các giá trị ngoại lai, tức là các giá trị nằm ngoài phạm vi của râu. Điểm ngoại lai ngoài cùng bên trái của Windsor là Elizabeth đệ Nhị, lên ngôi ở tuổi 26.

boxplot() Function

Trong ví dụ sau, sử dụng giao diện công thức, bạn sẽ tạo một Box Plot hiển thị phân phối các giá trị số crim theo các giá trị rad khác nhau từ Boston data frame. Sau đó, dùng tham số varwidth để có Box Plot bề rộng biến thiên, chỉ định trục y theo thang log, và đặt tham số las bằng 1 để có nhãn ngang cho cả hai trục x và y.

Cuối cùng, dùng hàm title() để thêm tiêu đề "Crime rate vs. radial highway index".

# 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")

Khi chạy đoạn mã trên, bạn sẽ thu được kết quả sau:

Tự mình thử.

Để tìm hiểu thêm về Box Plot, vui lòng xem video từ khóa học Understanding Data Visualization của chúng tôi.

Nội dung này được trích từ khóa học Understanding Data Visualization của Richie Cotton và khóa học Data Visualization in R của Ronald Pearson trên DataCamp.