R语言tidyverse绘制分组箱线图异常：重复图与中位数错误

核心问题总结 #

你遇到的三个问题（重复图、中位数不符、NA处理失效）都来自代码里的几个关键错误，逐一拆解如下：

错误点1：ggplot未使用管道处理后的数据集 #

代码中管道%>%过滤完目标数据集后，ggplot却指定了未定义的run17_min作为数据源，且第二个绘图代码把数据集名写错成run_17（正确应为run17）。这导致两个图调用了同一个错误数据集，最终完全重复。

错误点2：NA值处理逻辑错误 #

• filter(event == "10 Mile", na.omit(run17))写法错误：na.omit(run17)会返回整个去NA后的数据集，和前面的赛事类型过滤逻辑冲突，应该针对net_sec字段单独去NA，比如!is.na(net_sec)。
• ggplot()里的na.rm = TRUE无效：该参数需放在geom_boxplot()中，才能让箱线图忽略NA值。

错误点3：中位数统计未正确处理NA #

统计中位数的代码里，仅在5K女性组加了na.rm=TRUE且位置错误（放在filter()里无效），应该把na.rm=TRUE放在median()函数参数中，否则计算会因NA值返回NA，和箱线图的中位数结果不符。

修正后的代码 #

# 10 Mile 性别时间对比箱线图
run17 %>%
  filter(event == "10 Mile", !is.na(net_sec)) %>%  # 针对净时间字段去NA
  ggplot(mapping = aes(sex, net_sec/60, fill = sex)) +
  geom_boxplot(na.rm = TRUE) +  # 箱线图层面忽略NA值
  labs(x = "Gender", y = "Time (minutes)", title = "10 Mile Times by Gender")

# 5K 性别时间对比箱线图
run17 %>%
  filter(event == "5K", !is.na(net_sec)) %>%
  ggplot(mapping = aes(sex, net_sec/60, fill = sex)) +
  geom_boxplot(na.rm = TRUE) +
  labs(x = "Gender", y = "Time (minutes)", title = "5K Times by Gender")

# 中位数统计（统一处理NA值）
run17 %>% filter(event == "10 Mile", sex == "F") %>%
  summarise(med = median(net_sec/60, na.rm = TRUE))

run17 %>% filter(event == "10 Mile", sex == "M") %>%
  summarise(med = median(net_sec/60, na.rm = TRUE))

run17 %>% filter(event == "5K", sex == "F") %>%
  summarise(med = median(net_sec/60, na.rm = TRUE))

run17 %>% filter(event == "5K", sex == "M") %>%
  summarise(med = median(net_sec/60, na.rm = TRUE))

内容的提问来源于stack exchange，提问作者user22833836