Различные квантили: коробчатая диаграмма против скрипичной диаграммы

Это слишком долго для комментария, поэтому я публикую его как ответ. Я вижу два потенциальных источника расхождения. Во-первых, я понимаю, что boxplot относится к boxplot.stats, который использует hinges, которые очень похожи, но не обязательно идентичны квантилям. ?boxplot.stats говорит:

Две «петли» представляют собой варианты первого и третьего квартилей, то есть близкие к квантилю (x, c (1,3) / 4). Петли равны квартилям для нечетных n (где n ‹- длина (x)) и различаются для четных n. В то время как квартили равны наблюдениям только для n %% 4 == 1 (n = 1 mod 4), петли делают это дополнительно для n %% 4 == 2 (n = 2 mod 4) и находятся в середине двух наблюдения в противном случае.

Таким образом, hinge vs quantile различие могло быть одним из источников различия.

Во-вторых, geom_violin относится к оценке плотности. Исходный код здесь указывает на функцию StatYdensity, которая приводит меня к здесь. Мне не удалось найти функцию compute_density, но я думаю (также из-за некоторых указателей в файлах справки), по сути, это density, который по умолчанию использует оценку ядра Гаусса для оценки плотности. Это может (или не может) объяснить различия, но

by(d$Sepal.Length, d$Species, function(x) boxplot.stats(x, coef=5)$stats )
by(d$Sepal.Length, d$Species, function(v) quantile(density(v)$x))

действительно показывают разные значения. Итак, я предполагаю, что разница связана с тем, смотрим ли мы на квантили на основе эмпирической функции распределения наблюдений или на основе оценок плотности ядра, хотя я признаю, что я не доказал это окончательно.

Второй фактор, вызванный @coffeinjunky, кажется основной причиной. Вот еще несколько доказательств, подтверждающих это.

Переключившись на geom_ydensity, можно эмпирически подтвердить, что разница связана с geom_violin использованием оценка плотности ядра для вычисления квантилей, а не фактических наблюдений. Например, если мы установим широкую полосу пропускания (bw=1), то оценочные плотности будут чрезмерно сглаженными и будут еще больше отклоняться от квантилей на основе наблюдений, используемых в коробчатых диаграммах:

require(ggplot2)
require(cowplot)

theme_set(cowplot::theme_cowplot())

d = iris

ggplot2::ggplot(d, aes(factor(0), Sepal.Length)) + 
  stat_ydensity(bw=1, fill="black", alpha=0.2, draw_quantiles = c(0.25, 0.5, 0.75)
              , colour = "red", size = 1.5) +
  stat_boxplot(geom ='errorbar', width = 0.1)+
  geom_boxplot(width = 0.2)+
  facet_grid(. ~ Species, scales = "free_x") +
  xlab("") + 
  ylab (expression(paste("Value"))) +
  coord_cartesian(ylim = c(3.5,9.5)) + 
  scale_y_continuous(breaks = seq(4, 9, 1)) + 
  theme(axis.text.x=element_blank(),
        axis.text.y = element_text(size = rel(1.5)),
        axis.ticks.x = element_blank(),
        strip.background=element_rect(fill="black"),
        strip.text=element_text(color="white", face="bold"),
        legend.position = "none") +
  background_grid(major = "xy", minor = "none") 

Так что да, будьте осторожны с этим - параметры оценки плотности могут повлиять на результаты!