Antes de mais nada vou recriar os dados com uma seed
para que os resultados possamos ser reproduzidos.
library(tidyverse)
set.seed(123)
dataset <- as_tibble(matrix(rnorm(6*1000,1500,200),ncol=6))
cluster <- kmeans(dataset,centers=3)
dataset$kmeans <- as.factor(cluster[['cluster']])
e nomear o gráfico para que possamos usá-lo adiante.
p <- dataset%>%
gather(.,key='group',value='var',V1:V6) >%
ggplot(aes(group,var,fill=kmeans))+
facet_grid(kmeans~.)+
geom_boxplot(outlier.color='yellow',outlier.shape=21,
outlier.fill='black',outlier.size=1)+
stat_summary(fun.y=mean, geom="line", aes(group=1))+
stat_summary(fun.y=mean, geom="point")+
theme_dark()
Obtendo ouliers no ggplot2
No ggplot2 os outliers são calculados no momento em que o gráfico vai ser desenhado (quando der print(plot)
).
A função responsável por isso será a função StatBoxplot
(código-fonte) que é executada dentro do "ambiente" do gráfico.
É possível forçar a execução dos cálculos por meio da função ggplot_build()
. Assim temos
calculado <- ggplot_build(p)
O objeto criado tem uma elemento chamado data
que possui três data.frames
. O primeiro deles se refere aos dados usados para a construção do boxplot. Neste data.frame
há uma lista com os outliers de cada boxplot chamada "outliers".
outliers <- calculado$data[[1]]$outliers
str(outliers)
List of 18
$ : num 2148
$ : num [1:4] 2059 2066 1191 2158
$ : num [1:5] 992 1914 930 973 1819
$ : num [1:3] 910 932 874
$ : num [1:7] 2094 1163 2154 2085 2189 ...
$ : num [1:3] 966 2072 2117
$ : num(0)
$ : num [1:2] 961 890
$ : num [1:5] 1036 998 1940 2047 988
$ : num [1:2] 916 2079
$ : num [1:6] 949 2000 922 1946 1909 ...
$ : num [1:6] 1065 2038 2050 1031 1085 ...
$ : num [1:2] 968 2015
$ : num [1:3] 2137 2178 2063
$ : num [1:4] 2104 1262 1259 2184
$ : num [1:3] 1003 1975 1931
$ : num 891
$ : num [1:3] 862 848 1962
Obtendo os enésimos outliers
primeiros <- function(outliers, lower, upper) {
primeiro_baixo <- max(outliers[outliers < lower])
primeiro_cima <- min(outliers[outliers > upper])
c(primeiro_baixo, primeiro_cima) %>%
map_dbl(~ ifelse(is.infinite(.x), NA, .x))
}
dados <- calculado$data[[1]]
pmap(list(dados$outliers, dados$lower, dados$upper), primeiros)
Usando o pacote graphics
O pacote graphics
já vem no R
(é o pacote que possui a função plot
, por exemplo) e tem uma função que pode facilitar essa tarefa.
res <- boxplot(var ~ group, gather(dataset, key = 'group', value = 'var', V1:V6))
res$out
# [1] 2148.2080 971.3702 967.8154 938.0451 979.6601 2038.3428 2036.9718 ...
ggplot2
?tidyverse
.