在R中用箱形图做组间比较

　　来源：丁点帮你
　　作者：丁点helper
　　之前的文章讲了如何用R绘制箱形图，以此来帮助我们了解数据的整体分布情况、是否存在异常值。除此之外，箱形图还可以进行数据的组间比较。分组变量的数据清理
　　多重线性回归，一般是指有多个自变量X，只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍，两者的差距主要在于自变量X的数量，在只有一个X时，就称简单线性回归。
　　本次我们用到的是学生的课堂调查数据，包括了性别、年级、专业、身高、最喜欢的动物（讲数据清理时用的是这个变量，还记得吗）等变量。数据名：survey。csv，数据链接：
　　首先导入数据，存入survey这个数据集中：surveyread。csv（UsersDesktopsurvey。csv，headerTRUE）获取数据中包含的变量名names（survey）〔1〕ClassProbStatusYearDivisionGenderHtCmHandHaircutExercise〔10〕CourseworkWebTVSocialEconAnimalFriendsPulse
　　接下来我们以Gender作为分组依据，先来看看这个变量的情况。table（surveyGender）ChoosenottoanswerFemaleGendernonconformingMale111171118
　　我们发现，除了female和male，有的同学回答了Choosenottoanswer，Gendernonconforming，还有同学什么都没填，空缺。
　　今天我们暂时将这三种特殊情况从数据中删去。查看针对Gender这个变量，同学们有几类回答levels（surveyGender）〔1〕ChoosenottoanswerFemaleGendernonconformingMale
　　在这五类回答中，我们想保留的是第3、第5类。也就是说，仅保留Gender为Female或Male的记录。把更新后的数据存储在survey2这个对象中survey2survey〔surveyGenderinlevels（surveyGender）〔c（3，5）〕，〕
　　这里，ainb的作用是，用a中的元素去匹配b中的任意元素，如果匹配成功，则返回结果为TRUE，反之，则结果为FALSE。
　　此时，上面的语句就简化为如下所示，c（）里面是TRUE和FALSE的集合，是a中每个元素与b匹配的结果。survey2survey〔c（），〕这是为了便于理解写的简化语句，不能够运行的
　　survey2中仅保留了匹配结果为TRUE的记录：table（survey2Gender）ChoosenottoanswerFemaleGendernonconformingMale001170118
　　哎？虽然记录被删了，但Gender中之前包含的五个类都还在，用下面的droplevels（）这个函数删掉那些没有记录的类。survey2Genderdroplevels（survey2Gender）table（survey2Gender）FemaleMale117118绘制整体和各组数据的箱形图
　　多重线性回归，一般是指有多个自变量X，只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍，两者的差距主要在于自变量X的数量，在只有一个X时，就称简单线性回归。
　　数据清理好之后，我们以身高HtCm这个变量为例，先用之前讲过的方法绘制箱形图，了解改变量的整体分布，然后对比性别之间的身高差异。boxplot（survey2HtCm，mainBoxplotofHtincm，colorange，lwd2）
　　一目了然，我们调查的是大学学生，却出现了身高小于100厘米的情况，不符合常理。现在去检查一下原始数据。sort（survey2HtCm）将身高从小到大排序
　　部分结果截图
　　实际操作中，大家要尽量核实那些极端身高数据的真实情况，修正数据。这里我们为便于教学，直接把那些小于100厘米的身高值记录为缺失。
　　然后利用整理后的身高数据绘制箱形图。survey2HtCm〔survey2HtCm100〕NAboxplot（survey2HtCm，mainBoxplotofHtincm，colorange，lwd2）
　　最后绘制不同性别学生的身高箱形图。boxplot（survey2HtCmsurvey2Gender，mainBoxplotofHtincm，colc（2，3），lwd2）
　　由图可知，男生的身高基本都高于女生。将两个箱形图放在一起，可以清晰地看到两组变量的大致情况，便于给两组做粗略的比较。
　　但是这男女生身高到底有没有统计学上的差异，肉眼是很难得出结论的，统计学上怎么做呢？