Ignorar los valores atípicos en ggplot2 boxplot

¿Cómo ignoraría los valores atípicos en ggplot2 boxplot? No solo quiero que desaparezcan (es decir, outlier.size = 0), pero quiero que se ignoren de modo que el eje y escale para mostrar el percentil 1 ° / 3 °. Mis valores atípicos están causando que la "caja" se encoja tanto que prácticamente es una línea. ¿Hay algunas técnicas para lidiar con esto?

Editar Aquí hay un ejemplo:

y = c(.01, .02, .03, .04, .05, .06, .07, .08, .09, .5, -.6)
qplot(1, y, geom="boxplot")

Aquí hay una solución usando boxplot.stats

# create a dummy data frame with outliers
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)))


# compute lower and upper whiskers
ylim1 = boxplot.stats(df$y)$stats[c(1, 5)]

# scale y limits based on ylim1
p1 = p0 + coord_cartesian(ylim = ylim1*1.05)

Use geom_boxplot(outlier.shape = NA)para no mostrar los valores atípicos y scale_y_continuous(limits = c(lower, upper))para cambiar los límites del eje.

Un ejemplo.

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 realidad, como Ramnath mostró en su respuesta (y Andrie también en los comentarios), tiene más sentido recortar las escalas después de calcular la estadística, a través de coord_cartesian.

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

(Probablemente aún necesite usar scale_y_continuouspara arreglar los saltos del eje).

Tuve el mismo problema y precalculé los valores para Q1, Q2, mediana, ymin, ymax usando 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

El resultado es un diagrama de caja sin valores atípicos.

Una idea sería ganar la clasificación de los datos en un procedimiento de dos pasos:

1. ejecuta una primera pasada, aprende cuáles son los límites, por ejemplo, corte en un percentil dado, o N desviación estándar por encima de la media, o ...

2. en una segunda pasada, establezca los valores más allá del límite dado al valor de ese límite

Debo enfatizar que este es un método anticuado que debería estar dominado por técnicas más modernas y robustas, pero todavía se lo encuentra mucho.

La opción "coef" de la función geom_boxplot permite cambiar el límite de valores atípicos en términos de rangos intercuartiles. Esta opción está documentada para la función stat_boxplot. Para desactivar los valores atípicos (en otras palabras, se tratan como datos regulares), en lugar de usar el valor predeterminado de 1.5 se puede especificar un valor de corte muy alto:

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 desea obligar a los bigotes a extenderse a los valores máximo y mínimo, puede modificar el coefargumento. El valor predeterminado para coefes 1.5 (es decir, la longitud predeterminada de los bigotes es 1.5 veces el 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)

Ipaper :: geom_boxplot2 es justo lo que quieres.

# devtools::install_github('kongdd/Ipaper')
library(Ipaper)
library(ggplot2)
p <- ggplot(mpg, aes(class, hwy))
p + geom_boxplot2(width = 0.8, width.errorbar = 0.5)