Wykres raincloud – rozkład, pudełko i surowe dane na jednym rysunku

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 27 października 2026 · Aktualizacja: 26 października 2026

Co to jest wykres raincloud?

Wykres raincloud (ang. raincloud plot, dosłownie „chmura z deszczem”) łączy na jednym rysunku trzy warstwy: połówkę krzywej gęstości („chmurę”), wąski wykres pudełkowy i surowe wyniki pojedynczych osób jako punkty („deszcz”). Allen i in. (2021) zaproponowali go jako odpowiedź na krytykę słupków ze średnimi i wąsami błędu, które mogą zniekształcać wielkość efektu i ukrywać wzorce w danych.

Kiedy go użyć

Raincloud sprawdza się przy porównaniu kilku grup lub warunków, gdy chcesz, żeby czytelnik widział jednocześnie kształt rozkładu, medianę i liczbę obserwacji. W odróżnieniu od wykresu skrzypcowego nie kryje surowych danych, więc lepiej znosi małe próby: od razu widać, czy krzywą gęstości wyznaczono z 15, czy z 300 wyników. Weissgerber i in. (2015) pokazali, że w czasopismach dane ciągłe najczęściej przedstawia się na wykresach słupkowych, choć bardzo różne rozkłady mogą na nich wyglądać identycznie.

Przykład

W zadaniu typu Stroopa porównano czas reakcji w trzech warunkach po 40 osób (dane symulowane). Średnie wyniosły 521.6 ms (neutralny), 501.4 ms (zgodny) i 659.3 ms (niezgodny), a mediany – odpowiednio 502.5, 483.0 i 617.5 ms. Średnie są wyższe od median, bo rozkłady czasów reakcji są prawoskośne, co wykres pokazuje wprost. W warunku niezgodnym rozrzut jest największy (SD = 174.3 ms) i widać pojedynczy wynik powyżej 1100 ms, który reguła 1.5 × IQR oznacza jako obserwację odstającą.

Jak opisać w pracy

Na co uważać

• Punkty nie mogą się zlewać. Przy setkach obserwacji zmniejsz punkty, dodaj przezroczystość albo lekkie rozsunięcie (jitter) tylko w poprzek osi grup.
• Chmura to wciąż oszacowanie gęstości. Jej kształt zależy od szerokości pasma, tak jak w histogramie od szerokości przedziałów.
• Rysunek nie zastępuje testu. Pokazuje dane, ale różnice między warunkami opisz statystyką i wielkością efektu.

Inne rysunki do pracy i ich podpisy omawia wpis Wykresy w pracy dyplomowej.

set.seed(260)
n <- 40                                                      # osób w każdym warunku
d <- data.frame(warunek = factor(rep(c("neutralny", "zgodny", "niezgodny"), each = n),
                                 levels = c("neutralny", "zgodny", "niezgodny")),
                rt = round(c(rlnorm(n, log(520), 0.18), rlnorm(n, log(495), 0.18), rlnorm(n, log(585), 0.25))))
odst <- function(x) sum(x > quantile(x, .75) + 1.5 * IQR(x) | x < quantile(x, .25) - 1.5 * IQR(x))
do.call(rbind, lapply(split(d$rt, d$warunek), function(x)
  round(c(n = length(x), M = mean(x), Me = median(x), SD = sd(x), odstajace = odst(x)), 1)))

library(ggplot2); library(ggdist)
p <- ggplot(d, aes(warunek, rt, fill = warunek)) +
  stat_halfeye(adjust = 0.8, width = 0.5, justification = -0.25, .width = 0, point_colour = NA) +  # chmura
  geom_boxplot(width = 0.12, outlier.shape = NA, fill = "white") +                                # pudełko
  geom_point(aes(x = as.numeric(warunek) - 0.22), alpha = 0.5,                                   # deszcz
             position = position_jitter(width = 0.05, height = 0)) +
  coord_flip()

           n     M    Me    SD odstajace
neutralny 40 521.6 502.5 106.8         1
zgodny    40 501.4 483.0 104.8         0
niezgodny 40 659.3 617.5 174.3         1

Najczęstsze pytania

Z czego składa się wykres raincloud?

Z trzech warstw: połówki krzywej gęstości (chmura), wąskiego wykresu pudełkowego z medianą i kwartylami oraz punktów z wynikami pojedynczych osób (deszcz).

Jak zrobić wykres raincloud w R?

Najprościej w ggplot2 z pakietem ggdist: stat_halfeye() rysuje chmurę, geom_boxplot() pudełko, a geom_point() z lekkim rozsunięciem – punkty.

Czy wykres raincloud nadaje się do pomiarów powtarzanych?

Tak, ale dodaj linie łączące wyniki tej samej osoby między pomiarami. Bez nich rysunek wygląda jak porównanie niezależnych grup.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{allen2021raincloud, author={Allen, Micah and Poggiali, Davide and Whitaker, Kirstie and Marshall, Tom Rhys and van Langen, Jordy and Kievit, Rogier A.}, title={{Raincloud plots: A multi-platform tool for robust data visualization}}, journal={Wellcome Open Research}, year={2021}, volume={4}, eid={63}, doi={10.12688/wellcomeopenres.15191.2}}

@article{weissgerber2015beyond, author={Weissgerber, Tracey L. and Milic, Natasa M. and Winham, Stacey J. and Garovic, Vesna D.}, title={{Beyond bar and line graphs: Time for a new data presentation paradigm}}, journal={PLOS Biology}, year={2015}, volume={13}, number={4}, eid={e1002128}, doi={10.1371/journal.pbio.1002128}}