smplot2绘图中重复异常值来源排查及移除求助

第一步：先排查数据本身 #

异常值大概率来自原始数据，先确认match1中pre-m时间点的记录是否存在重复或异常值：

# 筛选pre-m时间点的数据
pre_m_data <- subset(match1, Time.m.1 == "pre-m")
# 检查重复行
print(pre_m_data[duplicated(pre_m_data), ])
# 查看所有扭矩值的分布
summary(pre_m_data$Rel.Torque.m.1)

如果发现重复行，直接用去重处理：

# 按时间点和扭矩值去重，保留其他列
match1_clean <- dplyr::distinct(match1, Time.m.1, Rel.Torque.m.1, .keep_all = TRUE)

第二步：区分异常值来自图层还是数据 #

用基础ggplot图层替代sm_raincloud，验证异常点是否依然存在：

ggplot(data = match1, aes(x = Time.m.1, y = Rel.Torque.m.1, fill = Time.m.1)) +
  geom_violin(alpha = 0.5) +
  geom_boxplot(width = 0.2, fill = "white") +
  geom_jitter(width = 0.2, alpha = 1) +
  labs(x = "Timepoints", y = "Relative Torque (Nm/kg)")

• 如果基础图中没有异常点：说明是sm_raincloud函数的默认设置导致，比如散点叠加或内部计算的重复点。
• 如果基础图中仍有异常点：确认是数据问题，回到第一步处理。

第三步：排查sm_raincloud的参数细节 #

尝试关闭散点层，判断异常点来源：

ggplot(data = match1, aes(x = Time.m.1, y = Rel.Torque.m.1, fill = Time.m.1)) +
  sm_raincloud(sep_level = 3, point.params = list(alpha = 0)) + # 隐藏散点
  labs(x = "Timepoints", y = "Relative Torque (Nm/kg)")

• 隐藏散点后若异常点消失：说明是散点重复，可调整point.params的size或position参数，比如添加position = position_jitter(width = 0.1)避免重叠；
• 若异常点仍存在：则是箱线图的极值点，可通过geom_boxplot(outlier.shape = NA)隐藏（但仅在确认是错误极值时建议使用）。

第四步：替代方案（若sm_raincloud无法解决） #

直接用ggplot基础图层组合出类似raincloud的效果，完全控制每个元素：

ggplot(data = match1_clean, aes(x = Time.m.1, y = Rel.Torque.m.1, fill = Time.m.1)) +
  # 小提琴图
  geom_violin(scale = "width", alpha = 0.6) +
  # 箱线图
  geom_boxplot(width = 0.2, fatten = 1, fill = "white", outlier.shape = NA) +
  # 散点（避免重叠）
  geom_jitter(width = 0.15, size = 1.5, alpha = 0.8) +
  labs(x = "Timepoints", y = "Relative Torque (Nm/kg)") +
  theme_classic()

内容的提问来源于stack exchange，提问作者Hamad