The bixplot: A variation on the boxplot suited for bimodal data
本文介绍了双箱图，这是一种新的可视化工具，它通过引入单变量聚类方法对传统箱线图进行扩展，以有效检测和展示双峰或多峰数据结构，从而促进在单变量数据集中识别有意义的子群和孤立点。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一名侦探，试图理解一群人。你想知道：他们是否只是一个混杂的大群体？还是说，有截然不同的子群体隐藏在众目睽睽之下？
几十年来，统计学家一直使用一种名为箱线图（boxplot）的工具来快速查看数据。把箱线图想象成一张简单的摘要卡片。它告诉你群体的“中心”在哪里、分布有多广，以及是否存在任何奇怪的异常值（那些站在群体远处的人）。它很棒，但有一个盲点：它假设所有人都属于同一个平滑的群体。这就像看着人群，却只看到一个巨大的团块，即使实际上有两组截然不同的人群正背对背站着。
本文介绍了一种名为bixplot的新工具（巧妙结合了"boxplot"和"mix"）。它专为捕捉那些隐藏的子群体而设计，特别是当数据具有两个或多个“峰值”（双峰或多峰）时。
以下是 bixplot 的工作原理，使用简单的类比：
1. “嗅探测试”（检查是一个群体还是多个群体）
在绘制任何内容之前，bixplot 会使用一种名为Hartigan 偶极检验（Hartigan's dip test）的统计测试，对数据进行深入的“嗅探”。
- 如果数据闻起来像一个群体：它会绘制一张看似标准的图片，结合了旧工具的最佳部分：一个箱体（用于摘要）、一条平滑曲线（像小提琴形状以显示密度）以及一个“地毯图”（底部的短线显示每一个数据点）。
- 如果数据闻起来像混合体：它就知道有些不对劲。它意识到人群并非均匀一致。
2. “智能分类器”（聚类）
如果数据是混合的，bixplot 不会只是猜测；它使用一种特殊的聚类算法将数据分类到分离、整齐的堆中。
- “无内部”规则：想象你在将弹珠分类到罐子里。普通的分类器可能会因为一颗红色弹珠靠近蓝色弹珠，就把它放进蓝色弹珠的罐子里。而 bixplot 的分类器更严格：它确保没有任何罐子里的弹珠“位于”另一个罐子的领地内部。各组必须是截然不同的、并排的块状。
- “最小规模”规则：它还拒绝创建微小、孤独的罐子。如果一个群体太小（例如仅有一两个数据点），它就会被合并回去。这防止了该工具将仅仅是随机噪声的“幽灵群体”误认为真实存在。
3. 最终图像
一旦数据被分类，bixplot 就会绘制一种新类型的地图：
- 独立的主体：你看到的不是一个巨大的形状，而是每个群体独立的“主体”，通常用不同的颜色表示。
- 密度曲线：这些主体的宽度显示了该群体的拥挤程度。
- 地毯图：在底部，你会看到代表每一个数据点的短线。这至关重要，因为它让你能够确切地看到点落在哪里，包括那些可能隐藏在群体之间的孤立点。
- 颜色编码：你甚至可以根据其他信息（如企鹅的性别或花的物种）为这些短线着色，帮助你看到不同变量与群体之间的关系。
论文中的现实世界示例
作者使用真实数据测试了该方法，以展示它如何发现其他工具遗漏的内容：
- 鱼类：他们观察了鱼类在探索前等待的时间。旧工具暗示存在两个群体，但 bixplot 清晰地展示了两种截然不同的“等待风格”。
- 企鹅：他们测量了来自不同岛屿的企鹅的喙长。在某个特定岛屿上，bixplot 揭示出企鹅并非一个群体；实际上存在两个截然不同的体型群体（可能是雄性和雌性），而旧的箱线图将它们混合在了一起。
- 花朵（鸢尾花）：在观察花瓣宽度时，bixplot 表明可能存在三个截然不同的群体，从而比以往更清晰地区分了花的物种。
为什么这很重要
作者强调，bixplot 是一种探索性工具，而非最终定论。它就像黑暗房间里的手电筒。它帮助你看到房间里可能存在三组不同的家具，但它并不能证明它们为何存在，或者它们在现实世界中是否确实是三个独立的类别。它只是说：“嘿，看这里，数据看起来有两个或三个峰值，让我们进一步调查。”
核心结论
bixplot 是经典箱线图更智能、更灵活的版本。它结合了箱体的摘要能力、小提琴图的形状以及地毯图的细节。它的超能力在于能够自动检测数据是否是不同群体的“混合体”，并将它们在视觉上分离开来，这样你就不会错过数据中隐藏的故事。
作者已在Python和R中免费提供此工具，因此任何人都可以开始使用它来“解混”他们的数据。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。