You need to enable JavaScript to run this app. 如何使用R语言基于给定数据集绘制按target填色的多数值变量箱线图
优惠活动
大模型
产品
解决方案
定价
更多

如何使用R语言基于给定数据集绘制按target填色的多数值变量箱线图

R实现多数值变量分组箱线图绘制

前置依赖

绘图流程需要用到tidyverse生态下的三个包,提前加载即可:

  • dplyr:完成列筛选、数据格式调整操作
  • tidyr:将宽格式数据转换为绘图适配的长格式
  • ggplot2:核心绘图工具
    加载代码:
library(dplyr)
library(tidyr)
library(ggplot2)

操作步骤

1. 修正原始列名乱码

从你提供的表头预览能看到第一列带ï..前缀,这是读取CSV文件时常见的编码BOM问题,先把这列名修正为正常的age,避免后续绘图出现变量名显示异常:

# 将下方df替换为你实际使用的数据集名称
colnames(df)[1] <- "age"

2. 整理成绘图适配的长格式

要一次性绘制多个连续数值变量的箱线图,必须先把宽表转成长表:把所有待展示的连续数值列拆成“变量名-观测值”两列,同时保留用来分组填色的target列。
结合你的数据集结构,属于连续数值型、适合画箱线图的变量包括age、trestbps、chol、thalach、oldpeak,其余像sex、cp、fbs、restecg、exang、slope、ca、thal这类带分类编码的列,本身是分类/等级变量,不需要纳入本次绘图范围:

df_long <- df %>%
  # 筛选待绘图的连续数值列 + 分组变量target
  select(age, trestbps, chol, thalach, oldpeak, target) %>%
  # 转换为长格式,非target的列全部展开为变量名、观测值两列
  pivot_longer(
    cols = -target,
    names_to = "feature",
    values_to = "value"
  )

3. 生成分组填色的多重箱线图

不同连续变量的取值范围差异很大(比如年龄的范围在30-80之间,胆固醇的范围在100-400之间),如果所有变量共用同一个纵轴,取值范围小的变量会被压缩得看不清分布。因此用分面的方式给每个变量单独分配子图,自动适配纵轴范围:

ggplot(df_long, aes(x = target, y = value, fill = target)) +
  # 绘制箱线图,加轻度透明度降低颜色的厚重感
  geom_boxplot(alpha = 0.7, width = 0.6) +
  # 按特征分面,每个子图独立适配纵轴
  facet_wrap(~feature, scales = "free_y", nrow = 2) +
  # 按target取值填色,选用区分度较好的Set2配色
  scale_fill_brewer(palette = "Set2") +
  # 用清爽的白底主题
  theme_bw() +
  theme(
    legend.position = "top",
    axis.text.x = element_text(angle = 30, hjust = 1)
  ) +
  # 设置坐标轴标签与标题
  labs(
    x = "目标变量取值",
    y = "观测值",
    title = "不同特征在target分组下的分布对比"
  )

实用调整技巧

  • 如果不喜欢预设的配色,可以手动指定分组颜色,把scale_fill_brewer替换为scale_fill_manual(values = c("no" = "#4E79A7", "yes" = "#E15759"))即可
  • 调整facet_wrap里的nrow/ncol参数,可以控制子图的行列排版
  • 如果需要叠加原始散点展示样本分布,可以在箱线图代码后加一行geom_jitter(width = 0.2, alpha = 0.3),在不影响箱线图统计特征的前提下展示原始数据的分布密度

内容的提问来源于stack exchange,提问作者userfh

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 10:24:04