Julia绘制含NaN值的箱线图报错：能否无需提前删值？及处理方法

问题原因 #

你遇到的错误源于StatsPlots的boxplot依赖的分位数计算（底层调用StatsBase库的相关函数）默认不会自动忽略NaN值。Julia的设计哲学倾向于显式处理无效/缺失值，避免隐式跳过NaN带来的意外（比如用户可能没意识到数据中存在NaN，导致结果偏差）。而R默认自动忽略NaN，是两种语言在设计权衡上的差异——R优先便捷性，Julia优先安全性与透明性。

可行的处理方式 #

1. 显式过滤NaN值（最直接） #

直接在传入boxplot前过滤掉数组中的NaN：

using DataFrames
using StatsPlots
df = DataFrame(y = [1,2,3,2,1,2,4,NaN,NaN,2,1])

# 过滤NaN后绘图
boxplot(df.y[.!isnan.(df.y)])

2. 将NaN转换为Missing类型后使用skipmissing #

Julia的Missing类型是专门用于表示缺失值的，StatsPlots支持通过skipmissing隐式跳过这类值：

# 将NaN替换为Missing
df[!, :y_missing] = replace(df.y, NaN => missing)

# 用skipmissing包装后绘图
boxplot(skipmissing(df.y_missing))

3. 自定义分位数计算逻辑（进阶） #

如果你需要更灵活的处理，可以手动计算忽略NaN的分位数，再传递给boxplot的相关参数：

using StatsBase

# 提取非NaN数据
valid_data = df.y[.!isnan.(df.y)]
# 计算箱线图所需的统计量
q = quantile(valid_data, [0.25, 0.5, 0.75])
iqr = q[3] - q[1]
lower_whisker = max(minimum(valid_data), q[1] - 1.5*iqr)
upper_whisker = min(maximum(valid_data), q[3] + 1.5*iqr)

# 手动构建箱线图
boxplot([valid_data], whisker_range=1.5, median=q[2], q1=q[1], q3=q[3], lower=lower_whisker, upper=upper_whisker)

关于是否存在自动忽略NaN的选项 #

目前StatsPlots的boxplot函数没有直接的参数可以自动忽略NaN值。这是因为Julia生态更鼓励用户显式处理数据中的无效值，确保数据处理过程的透明性。如果需要类似R的便捷行为，你可以封装一个自定义函数，自动过滤NaN后调用boxplot：

function boxplot_nan_skip(x)
    boxplot(x[.!isnan.(x)])
end

# 使用自定义函数
boxplot_nan_skip(df.y)

内容的提问来源于stack exchange，提问作者Quinten