23 箱线图
23.1 什么是箱线图？
箱线图又称盒图，是在1977年由美国的统计学家约翰·图基(John Tukey)发明的。它由五个数值点组成：最小值(min)，下四分位数(Q1)，中位数(median)，上四分位数(Q3)，最大值(max)。下四分位数、中位数、上四分位数组成一个”带有隔间的盒子”。上四分位数到最大值之间建立一条延伸线，这个延伸线成为”胡须(whisker)“。由于现实数据中总是存在各式各样地”脏数据”，也称为”离群点”，于是为了不因这些少数的离群数据导致整体特征的偏移，将这些离群点单独汇出。
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，第一个四分位数就是通常所说的四分位数，也被称为下四分位数，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。
通过箱线图，在分析数据的时候，能够有效地帮助我们识别数据的特征：直观地识别数据集中的异常值(查看离群点)。判断数据集的数据离散程度和偏向(观察盒子的长度，上下隔间的形状，以及胡须的长度)。
本文我们就来讨论一下箱线图是如何绘制的以及如何对其进行解读。 
23.2 绘图前的数据准备
demo数据可以在https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/BoxPlot/boxplot.txt下载。
包含2个维度的数据，通常每一列是个样本，每一行是个基因
23.3 R语言怎么画箱线图
# 加载R包，没有安装请先安装 install.packages("包名")
library(ggplot2)
library(reshape2) # 用于转换数据
library(ggsignif) # 用于添加显著性标签
# 读取箱线图数据文件
df = read.delim("https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/BoxPlot/boxplot.txt",# 这里读取了网络上的demo数据，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 = melt(df)
# 绘图
ggplot(df,aes(x=variable,y=value,fill=variable))+
# stat_boxplot(geom = "errorbar", # 添加误差线
# width=0.3)+
geom_boxplot(alpha = 1, # 透明度
outlier.color = "black" # 外点颜色
)+
theme_bw()+ # 白色主题
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
)+
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"
map_signif_level=F # 标签样式F为数字，T为*号
)23.4 BioLadder生信云平台在线绘制箱线图
不想写代码？可以用BioLadder生信云平台在线绘制箱线图。
网址：
箱线图-BioLadder生物信息在线分析可视化云平台www.bioladder.cn/web/#/chart/1
BioLadder目前上线了生物学分析最常用的40多个模块。火山图，热图，气泡图，相关性，韦恩图。。。
23.5 箱线图结果解读
箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。因此，箱子的宽度在一定程度上反映了数据的波动程度。在箱子的上方和下方，又各有一条线代表着最大最小值。箱线图是针对连续型变量的，解读时候重点关注平均水平、波动程度和异常值。当箱子被压得很扁，或者有很多异常的时候，试着做对数变换。