Pregunta Actualizada
Muy buenas, hace ya tiempo que vengo usando un código para hacer boxplots según un factor, lo que me ayuda un montón a la hora de ver cómo varian las distintas variables univariantemente.
Me gustaria ampliarlo para poder mostrar como labels en los outlier, el valor respectivo de una columna (no necesariamente la que se muestra); como sería por ejemplo una columna que sirva de ID o el rowname. Llevo peleándome con esto unos días, pero no encuentro manera ni forma de adaptarlo.
Gracias a la labor de Patricio Moracho, que con su código ha conseguido mostrar la etiqueta de los outliers.
Usando iris como ejemplo, que tiene cuatro columnas, añadimos una columna más que nos sirva como id.
iris2 = iris
iris2$id = c(1:nrow(iris2))
Y me gustaria modificar la función para que en lugar del valor del outlier, como es el código actual -gracias de nuevo a las respuestas de este post- muestre el valor del id respectivo a dicho outlier.
customPlot3 <- function(varName, df, paleta=mi_paleta, Var_by) {
is_outlier <- function(x) {
x < quantile(x, 0.25) - 1.5 * IQR(x) | x > quantile(x, 0.75) + 1.5 * IQR(x)
}
df %>%
ggplot(aes_string(y=varName, x = Var_by, fill = Var_by)) +
geom_boxplot(outlier.size=4, outlier.color="red", outlier.fill="red") +
scale_fill_manual(values = paleta) +
stat_summary(fun=mean,
geom="point",
position=position_dodge(.9),
color="black", size=4) +
stat_summary(
aes(label = round(stat(y), 2)),
geom = "text",
fun = function(y) {
o <- y[is_outlier(y)]
if(length(o) == 0) NA else {o}
},
hjust = -.8
)
}
Porque actualmente queda así.
customPlot3("Sepal.Width", iris, paleta = mi_paleta, "Species")
He intentado una aproximación simplemente extrayendo los valores como un vector, pero me da mal la respuesta ya que teóricamente deberian coincidir 2 setosa y2 virginica.
customPlot4 <- function(varName, df, paleta=mi_paleta, Var_by,var_id) {
mi_paleta = c("white", "red", "pink", "blue", "lightblue", "green", "lightgreen","brown4" ,"brown3")
# Var_by = "Etiología"
is_outlier <- function(x) {
x < quantile(x, 0.25) - 1.5 * IQR(x) | x > quantile(x, 0.75) + 1.5 * IQR(x)
}
etiqueter <- function(y) {
o <- y[is_outlier(y)]
if(length(o) == 0) NA else {o}
}
#
# mis_outlier = unname(unlist(is_outlier(df[varName])))
# mis_etiquetas = unname(unlist(df[mis_outlier,var_id]))
solution = df[is_outlier(unname(unlist(df[varName]))),var_id]
# mis_etiquetas2 = etiqueter(varName)
# print(mis_etiquetas)
print(solution)
# print("Y ahora")
# print(mis_etiquetas2)
}
customPlot4(varName = "Sepal.Width",df=iris,Var_by = "Species",var_id="Species")
1 setosa setosa setosa versicolor Levels: setosa versicolor virginica
Nota
Acabo de descubrir porque eso sería sin tener en cuenta cada "especie" es decir el factor. Si hago la funcion para ver outliers las tres cajas por separadas, sí que permite.
Sigo sin poder hacer que me coja los valores de otra columna que no sean las ploteadas en el gráfico para los outliers (mostrando los correspondientes valores).
Pregunta Original
library(ggplot2)
customPlot2 <- function(varName, df, paleta=mi_paleta, Var_by) {
mi_paleta = c("white", "red", "pink", "blue", "lightblue", "green", "lightgreen","brown4" ,"brown3")
# Var_by = "Etiología"
ggplot(df, aes_string(Var_by,varName,fill=Var_by), )+scale_fill_manual(values = mi_paleta)+ geom_boxplot(outlier.size=2,outlier.colour="red" )+ stat_summary(fun=mean, geom="point", aes(group=Var_by), position=position_dodge(.9),
color="black", size=4)
}
Lo que me permite hacer luego un lapply para las variables que quiera (muchas veces no me interesa ver todas).
(varlist <- colnames(iris))
lapply(varlist, customPlot2, df=iris, Var_by="Species")
¿Alguna forma de cómo podría hacer esto? He hecho un intento a partir de un post de stack que usaba dplyr, pero no he conseguido que funcione:
library(dplyr)
customPlot3 <- function(varName, df, paleta=mi_paleta, Var_by,var_label) {
is_outlier <- function(x) {
return(x < quantile(x, 0.25) - 1.5 * IQR(x) | x > quantile(x, 0.75) + 1.5 * IQR(x))
}
df %>%
group_by(Var_by) %>%
mutate(outlier=ifelse(is_outlier(varName),var_label,as.numeric(NA))) %>%
ggplot(aes(x=factor(Var_by), varName)) +
geom_boxplot(outlier.colour = NA) +
ggbeeswarm::geom_beeswarm(aes(color=varName)) +
ggrepel::geom_text_repel(data=. %>% filter(!is.na(outlier)), aes(label=var_label)) +
scale_colour_gradient(low="blue",high="red")
}