1 数据准备

library(readxl)  
jsdata=read_excel("D:/TASK/净水器建模（1月19日）副本1.xlsx") 
jsdata$销量=log(jsdata$销量+1)  #因变量数值作对数处理

由数据结构信息得知，该净水器数据包含20个变量（字段），1011条样本量。

2 箱线图

箱线图，是刻画数据平均水平的一种方法。分别用到的统计量有：最小值、上四分位数、中位数、下四分位数与最大值来描述数据。可以简单判断数据是否具有对称的特性、数据离散程度等信息。

箱线图的基本格式为：

boxplot(数值型变量~离散型变量,data=数据,horizontal=TRUE/FALSE，axes=TRUE/FALSE，ylim=纵坐标范围)。

其中，horizontal表示箱线图的放置方向，取TRUR表示横向放置，取FALSE表示垂直放置，且不添加参数默认为垂直放置；axes表示是否带有横纵坐标轴。

boxplot(销量~保修期,data=jsdata,col="lightblue")

从上图看出：在同一样本数据下，连续型变量净水器销量和离散型变量保修期绘制箱线图。为了让中位数大小比较直观展示，可对箱线图位置进行水平调整，如下：

boxplot(销量~保修期,data=jsdata,col="orange",horizontal=TRUE)

由上图看出，其中离散型变量保修期为5年的净水器保修期的销量中位数高于其它保修类型的中位数，推测保修期为5年的销量平均水平最高；无保修期的净水器销量的中位数最低，初步认为无保修期的销量平均水平最低。

基本格式为：ggplot(数据,aes(x=自变量,y=因变量))+geom_boxplot()。

其中，aes(x=自变量，y=因变量)表示坐标，geom_boxplot（）表示绘制箱线图

ggplot(jsdata,aes(保修期,销量))+geom_boxplot(aes(fill=保修期))+my.theme

如上图，5年的净水器保修期的销量最高，无保修期的净水器销量最低。

箱线图，也可个性化绘制。例如，利用notch函数添加槽口，如下所示：

ggplot(jsdata,aes(保修期,销量))+geom_boxplot(aes(fill=保修期),notch=T)+my.theme

通过槽口，能够更为直观反映出中位数的位置。其中5年的净水器保修期的销量最高，无保修期的净水器销量最低。

源文件下载在线调试