什么是箱线图？手把手教你看懂箱线图
什么是箱线图？手把手教你看懂箱线图
什么是箱线图？
箱线图（Box plot）是一种用来显示数据分布情况的统计图表。它展示了一组数据的五个统计特征：下限、第一四分位数（Q1）、中位数、第三四分位数（Q3）和上限。外面的黑点显示离群值的存在和分布情况。
四分位数（quartile）是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。四分位数也被称为四分位点，它是将全部数据分成相等的四部分，其中每部分包括 25%的数据，处在各分位点的数值就是四分位数。四分位数有三个，第一个四分位数是下四分位数，第二个四分位数就是中位数，第三个四分位数称为上四分位数，分别用 Q1、Q2、Q3表示
四分位距IQR:是Q3-Q1，也就是说上下四分位数的差值。
上下限:上下限并不是整个数据样本的最大值和最小值，而是上限 = 去除异常值的最大值（Q3+1.5IQR）和下限 = 去除异常值的最小值（Q1-1.5IQR） ，在上下限这里分别划出两条线段作为异常值的分界点。那么在箱线图中，上下限之间就是数据样本的正常分布区间，超出上下限就定义为异常值。
显著性标签：常用来标注不同组之间的统计显著性差异。这些标签通常是通过统计测试（如 t 检验、ANOVA 等）得到的结果，表示不同组之间是否存在显著差异。显著性标签通常表现为星号（）或者字母标记等，常见的规则如下： (p < 0.05)表示显著差异。NS.表示不显著差异。
绘图的数据准备
包含2个维度的数据，在组学数据中通常每一列是个样本，每一行是个基因。注意受到数据中极大值的影响，箱线图可能会被压的很扁，可以做log转换或其他归一化方式。示例数据可以在BioLadder2-在线绘制箱线图-使用教程找到并下载。
绘制箱线图的方法
BioLadder v2.0 云平台在线绘图
BioLadder v2.0 是一个在线绘图平台，我们只需要上传数据，系统自动生成图表，不需要写代码，适合0代码基础的同学。网址：BioLadder v2.0-生物信息在线分析云平台
R语言绘制箱线图
喜欢自己写代码的同学，也附上R语言代码可供参考。
3.2.1. 绘图
# 加载R包，没有安装请先安装 install.packages("包名")
library(tidyverse)
# 读取箱线图数据文件
df = read.delim("https://www.r2omics.cn/res/demodata/boxplot.txt",# 将此处换成你自己电脑里的文件
header = T # 指定第一行是列名
)
# 把数据转换成ggplot常用的类型（长数据）
df = df %>%
pivot_longer(-1,names_to = "Sample",values_to = "Value")
# 绘图
p = ggplot(df,aes(x=Sample,y=Value,fill=Sample))+
# stat_boxplot(geom = "errorbar", # 添加误差线
# width=0.3)+
geom_boxplot(alpha = 1, # 透明度
outlier.color = "black" # 离散点颜色
)+
theme_bw()+ # 主题
theme(
axis.text.x = element_text(angle = 90,
vjust = 0.5
) # x轴刻度改为倾斜90度，防止名称重叠
)
p
3.2.2. 添加显著性标签
library(ggsignif) # 用于添加显著性标签
p + geom_signif( # 添加显著性标签
comparisons=list(c("Sample1","Sample2"),c("Sample3","Sample4")), # 选择你想在哪组上添加标签
step_increase = 0.1,
test="t.test", # "t 检验，比较两组（参数）" = "t.test","Wilcoxon 符号秩检验，比较两组（非参数）" = "wilcox.test"
test.args = list("var.equal" = T), # 等方差
map_signif_level=F # 标签样式F为数字，T为*号
)
本文介绍了箱线图的定义、作用以及绘制方法，帮助理解数据的分布、集中趋势和异常值。