如何更改Plotly分位数计算方法及处理ggplotly分位数计算逻辑

我来帮你理清楚Plotly和ggplotly的分位数计算逻辑，以及怎么自定义这个计算方法——结合你给出的测试数据，咱们一步步来：

其实ggplotly本质上是个“转换器”：当你用ggplot2画好图（比如箱线图），它会直接复用ggplot2已经计算好的所有统计值（包括分位数、中位数、箱线的上下限），完全不会重新计算分位数。也就是说，ggplotly的分位数逻辑100%继承自ggplot2的设置。

用你的测试数据来验证一下：

vec <- c(9.56630105983885, 9.2478753964443, 10.0860135756819, 8.61391863126551, 9.94710349615399, 
         7.14660035433632, 8.22017617694062, 10.0666294326466, 9.35484039252854, 12.5410005237513, 
         12.5687999720704, 9.91564647202826, 7.55332442693865, 11.2588496810078, 10.9914482049276, 
         11.9021198944421, 6.3190685543082, 9.22657465466812, 11.216871586139, 12.2549168985367 )

library(tidyverse)
library(plotly)

# 用ggplot2画箱线图
p_ggplot <- ggplot(data.frame(value = vec), aes(y = value)) +
  geom_boxplot()

# 提取ggplot2计算的分位数、中位数、须的范围
ggplot_build(p_ggplot)$data[[1]] %>% select(y, ymin, lower, middle, upper, ymax)

运行这段代码，你会看到ggplot2默认用的是quantile(vec, type = 7)（这是base R quantile函数的默认类型，也是ggplot2箱线图的默认设置）。把这个图转成ggplotly后，所有数值都是直接复用的，不会变。

既然ggplotly跟着ggplot2走，那改ggplot2的分位数设置就行。ggplot2的geom_boxplot可以通过quantile.type参数指定分位数计算类型，比如改成type=6（或者其他你需要的类型）：

# 用type=6的分位数方法画箱线图
p_ggplot_custom <- ggplot(data.frame(value = vec), aes(y = value)) +
  geom_boxplot(quantile.type = 6)

# 转成ggplotly，此时展示的就是自定义后的分位数结果
p_ggplotly_custom <- ggplotly(p_ggplot_custom)

这样就能轻松改变ggplotly里的分位数逻辑了。

如果你不用ggplotly，直接用Plotly的原生函数（比如plot_ly）画图，默认的分位数计算可能和R的不一样。这时候就得自己先算好分位数，再手动传给Plotly：

# 先自定义计算分位数，比如用type=6
custom_quants <- quantile(vec, probs = c(0.25, 0.5, 0.75), type = 6)
# 计算箱线须的范围（常用1.5倍IQR规则）
iqr_val <- IQR(vec, type = 6)
lower_whisker <- max(min(vec), custom_quants[1] - 1.5 * iqr_val)
upper_whisker <- min(max(vec), custom_quants[3] + 1.5 * iqr_val)

# 手动构建Plotly箱线图，传入自定义的统计值
p_plotly_custom <- plot_ly(
  y = vec,
  type = "box",
  q1 = custom_quants[1],
  median = custom_quants[2],
  q3 = custom_quants[3],
  lowerfence = lower_whisker,
  upperfence = upper_whisker,
  boxpoints = "all" # 显示所有原始数据点，方便对比
)

这样就完全摆脱了Plotly默认的分位数计算，用你指定的方法来生成箱线图。

你可以直接对比不同type的计算结果，方便选到适合自己的：

# 对比type=2、6、7的分位数结果
data.frame(
  type_2 = quantile(vec, probs = c(0.25, 0.5, 0.75), type = 2),
  type_6 = quantile(vec, probs = c(0.25, 0.5, 0.75), type = 6),
  type_7 = quantile(vec, probs = c(0.25, 0.5, 0.75), type = 7)
)

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