Q-Q Plot按两组拆分方法：R语言犯罪数据正态性检验代码实现

• 假设你的数据集存储为数据框df，Total_Crime为犯罪数字段，符合你需求的筛选绘制代码如下：

# 筛选犯罪数大于500的子集，计算平方根后绘制Q-Q图
qqnorm(sqrt(df$Total_Crime[df$Total_Crime > 500]))
# 为该子集匹配正态参考线
qqline(sqrt(df$Total_Crime[df$Total_Crime > 500]))

• 如果你需要在同一张图中同时展示两组的分布趋势，方便对比差异，可以用分色方案实现，参考代码如下：

# 绘制全量数据Q-Q图，灰色显示
qqnorm(sqrt(df$Total_Crime), col = "gray", pch = 16, main = "分组Q-Q图（平方根转换后犯罪数）")
# 全量数据正态参考线
qqline(sqrt(df$Total_Crime), col = "black")
# 叠加绘制犯罪数>500的子集，红色突出显示
points(qqnorm(sqrt(df$Total_Crime[df$Total_Crime > 500]), plot.it = FALSE), col = "red", pch = 16)
# 新增图例标识分组
legend("topleft", 
       legend = c("犯罪数≤500", "犯罪数>500", "正态参考线"),
       col = c("gray", "red", "black"),
       pch = c(16, 16, NA),
       lty = c(NA, NA, 1))

特殊情况说明：如果Total_Crime是独立的数值向量而非数据框字段，直接删除代码中的df$前缀，筛选逻辑调整为Total_Crime[Total_Crime > 500]即可正常运行。

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