gnuplot - 在 Gnuplot 中的箱线图中标记离群值

Question

我已经学习 Gnuplot 大约一天了，我想使用箱线图来快速发现数据集中的异常值。

假设我正在进行一个实验:

• 10 个科目
• 我让 10 名受试者重复一项任务 100 次，以达到 3 个具体目标。
• 我收集他们达到目标 1、目标 2、目标 3 的次数。

这些结果收集在如下所述的文件 data_File_new.dat 中:

    Name    Target1   Target2   Target3
    subject1    10  30  50
    subject2    11  31  51
    subject3    9   29  49
    subject4    12  32  52
    subject5    8   28  48
    subject6    13  33  53
    subject7    7   27  47
    subject8    50  34  54
    subject9    6   50  46
    subject10 15    35  20  

现在我根据这些数据创建箱线图

   file = 'data_File_new.dat'
   header = system('head -1 '.file);
   N=words(header)
   set title 'BoxPlot Subject Success'
   set ylabel 'Number Of Success'
   set xtics border in scale 0,0 nomirror norotate  offset character 0, 0, 0 autojustify
   set xtics norangelimit
   set xtics rotate -45
   set xtics ('' 2)
   set for [i=2:N] xtics add (word(header, i) i)
   set style data boxplot
   plot for [i=2:N] file using (i):i

所以结果是一个箱线图，其中异常值被绘制为实心点(我想发布图片，但我需要 10 声望才能发布图像)。它告诉我是否存在异常值。但是我想了解更多我想知道谁是异常值，即:

• 主题 8 是目标 1 的异常值
• 主题 9 是目标 2 的异常值
• 受试者 10 是目标 3 的异常值

由于 Gnuplot 知道这些点是异常值，我希望 Gnuplot 将它们存储在某种列表中。我想告诉 Gnuplot '绘制异常值并用与它们所属的行相对应的第一列 (subjectx) 的单词来标记它们'。

然后，当我打开箱线图时，我一眼就能识别出不仅存在异常值，而且还知道它们是谁。

有人知道该怎么做吗？我在论坛上看到有人在 R 中这样做，但在 Gnuplot 中却没有。

Answer 1

这不是 gnuplot 代码中最漂亮的部分，但它可以完成!

Gnuplot stats 可用于获取上四分位数和下四分位数，用于生成箱线图。然后，您可以使用一些条件代码来绘制位于带有标签的范围之外的点。棘手的部分是，plot 命令在最后进行eval 之前被构建为字符串。就像我说的，不太漂亮!

file = 'data_File_new.dat'
header = system('head -1 '.file)
N=words(header)
set title 'BoxPlot Subject Success'
set ylabel 'Number Of Success'
set xtics border in scale 0,0 nomirror norotate  offset character 0, 0, 0 autojustify
set xtics norangelimit
set xtics rotate -45
set xtics ('' 2)
set for [i=2:N] xtics add (word(header, i) i)
r = 1.5
set style boxplot range r
unset key
cmd = "plot for [i=2:N] file using (i):i with boxplot"
do for [i=2:N] {
    stats file using i every ::1 nooutput
    lq = STATS_lo_quartile
    uq = STATS_up_quartile
    ir = uq - lq
    min = lq - r * ir
    max = uq + r * ir
    cmd = cmd . sprintf(", file using (%d):($%d < %d || $%d > %d ? $%d : 1/0):1 every ::1 with labels offset 5,0", i, i, min, i, max, i)
}
eval cmd