R - 具有共享/相同 x 和 y 轴的直方图

Posted 2023-02-16

【中文标题】R - 具有共享/相同 x 和 y 轴的直方图

【英文标题】：R - Histograms with shared/same x and y axes

【发布时间】：2020-06-11 18:22:03

【问题描述】：

我想绘制两个 x 和 y 范围相同的直方图。在阅读了一些帖子后，我的解决方案是使用 ggplot2, geom_histogram 两次。我第一次创建图而不为每个感兴趣的数据集绘制，目的是在所有感兴趣的图中获得最大的 y/count 和 x 轴值。例如，有两个图，如果第一个 ymax_1 = 10，另一个 ymax_2 = 15，则两个图的 y 轴范围至少为 0 到 15。同样适用于 x 轴。

在此图之后，我采用 ymax/xmax 值并像以前一样绘制直方图，并添加 xlim(0, xmax) 和 ylim(0, ymax)。但是，当我这样做时，计数会发生变化。更具体地说，在我没有指定任何 xlim/ylim 的第一个图中，我从 ggplot_build( ggplot(...) + geom_histogram(...)) ymax = 2000 得到，但是当我第二次使用 xlim 时得到ymax = 4000。然而，从第一个图中我有 ymax = 2000，因此第二次没有正确绘制直方图。当我删除 xlim 选项时，我得到了相同的结果。

xlim 选项如何以及为什么会影响计数？我希望这很清楚。

df = read.table( paste( path, f, sep = "/"), header = TRUE, fill = TRUE, sep = ",", stringsAsFactors = TRUE)
measure = colnames( df)[ 7]
combs = unique( df[, c( 'A', 'B', 'C')])
# order combs in specific order to get a specific sequence of plots
combs = combs[ with( combs, order( B, C, A)), ]
bns = lst()
xmxs = lst()
ymxs = lst()
for( j in seq( 1, length( combs[ , 1]), 2)) 
 if( combs[ j, 2] == combs[ j, 3]) 
  next
 
 tmp = subset( df, A == combs[ j, 1] & B == combs[ j, 2] & C == combs[ j, 3], select = c( measure))
 # Freedman – Diaconis rule, "On the histogram as a density estimator: L2 theory"
 bw = 2 * IQR( tmp[ , 1]) / ( length( tmp[ , 1])^(1/3))
 bns[[ j]] = ceiling( ( max( tmp[ , 1]) - min( tmp[ , 1])) / bw)

 plots[[ j]] = ggplot( tmp, aes_string( measure)) + geom_histogram( bins = bns[[ j]], aes( fill = ..count..))
 histg = ggplot_build( plots[[ j]])$data[[ 1]]
 ymxs[[ j]] = max( histg$count)
 xmxs[[ j]] = max( histg$x)

 tmp = subset( df, A == combs[ j + 1, 1] & B == combs[ j + 1, 2] & C == combs[ j + 1, 3], select = c( measure))
 # Freedman – Diaconis rule, "On the histogram as a density estimator: L2 theory"
 bw = 2 * IQR( tmp[ , 1]) / ( length( tmp[ , 1])^(1/3))
 bns[[ j + 1]] = ceiling( ( max( tmp[ , 1]) - min( tmp[ , 1])) / bw)

 plots[[ j + 1]] = ggplot( tmp, aes_string( measure)) + geom_histogram( bins = bns[[ j + 1]], aes( fill = ..count..))
 histg = ggplot_build( plots[[ j + 1]])$data[[ 1]]
 ymxs[[ j + 1]] = max( histg$count)
 xmxs[[ j + 1]] = max( histg$x)
 if( ymxs[[ j]] > ymxs[[ j + 1]]) 
  ymxs[[ j + 1]] = ymxs[[ j]]
 
 else 
  ymxs[[ j]] = ymxs[[ j + 1]]
 
 if( xmxs[[ j]] > xmxs[[ j + 1]]) 
  xmxs[[ j + 1]] = xmxs[[ j]]
 
 else 
  xmxs[[ j]] = xmxs[[ j + 1]]
 

pplots = lst()
for( j in 1 : length( combs[ , 1])) 
 if( combs[ j, 2] == combs[ j, 3]) 
  next
 
 tmp = subset( df, A == combs[ j, 1] & B == combs[ j, 2] & C == combs[ j, 3], select = c( measure))
 avg = sprintf( "%.2f", mean( tmp[ , 1]))
 stdv = sprintf( "%.2f", std( tmp[ , 1]))
 count = length( tmp[ , 1])
 entities[[ j]] = paste( combs[ j, 1], " ", combs[ j, 2], " vs ", combs[ j, 3])
pplots[[ j]] = ggplot( tmp, aes_string( measure)) +
 geom_histogram( bins = bns[[ j]], aes( fill = ..count..)) +
 # xlim( 0, 1.2*xmxs[[ j]]) +
 # ylim( 0, 1.2*ymxs[[ j]]) +
 ggtitle( bquote( atop( paste( .(entities[[ j]])), paste( mu, " = ", .( avg), ", ", sigma, " = ", .( stdv), ", #cells = ", .( count), sep = " ")))) +
 theme( plot.title = element_text( size = 20), axis.text = element_text( size = 12), axis.title = element_text( size = 15))
 

 # plot every two plots because the Reference.Population is the same
 for( j in seq( 1, length( plots), 2)) 
 fileext = str_remove_all( entities[[ j]], 'N')
 filename_hi = paste( gsub( '.4$', '', f), "_distribution_", fileext, ".png", sep = "")
 png( filename = paste( path, filename_hi, sep = "/"))
 grid.draw( rbind( ggplotGrob( pplots[[ j]]), ggplotGrob( pplots[[ j + 1]]), size = "last"))
 dev.off()
 

因此，在上面的代码中，plots 包含我从中获取 y、x 轴的最小值和最大值的初始图，pplots 包含我最终使用xlim/ylim 选项绘制的图。但是，例如，

max( plots[[ 8]]$data[[ 1]]$count) != max( plots[[ 8]]$data[[ 1]]$count)

当我使用xlim 选项时。第一个给1947，另一个给4529我的数据。

谢谢

【问题讨论】：

如果您包含一个简单的reproducible example，其中包含可用于测试和验证可能解决方案的示例输入和所需输出，则会更容易为您提供帮助。

【参考方案1】：

作为您阅读的其他帖子的替代方法，我建议将数据集合并为一个，并对它们进行分面。为此，您需要选择要生成直方图的列，并添加一列来指示从中提取数据的数据集。

对于这个例子，我将结合iris$Sepal.Length 和mtcars$disp。

range(mtcars$disp)
# [1]  71.1 472.0
range(iris$Sepal.Length)
# [1] 4.3 7.9

由于这些示例数据如此不同，我将缩放一个以使绘图看起来更具可比性......但差异足以让您看到轴是共享的。

400 * (range(iris$Sepal.Length) - 4)
# [1]  120 1560

如果您需要这样的数据来处理您的数据，请交给您。

从这里，组合相关字段：

combined_dat <- rbind(
  cbind.data.frame(src = "iris Sepal.Length", val = 400 * (iris[, c("Sepal.Length")] - 4)),
  cbind.data.frame(src = "mtcars disp*", val = mtcars[, c("disp")])
)

head(combined_dat)
#                 src val
# 1 iris Sepal.Length 440
# 2 iris Sepal.Length 360
# 3 iris Sepal.Length 280
# 4 iris Sepal.Length 240
# 5 iris Sepal.Length 400
# 6 iris Sepal.Length 560

tail(combined_dat)
#              src   val
# 177 mtcars disp* 120.3
# 178 mtcars disp*  95.1
# 179 mtcars disp* 351.0
# 180 mtcars disp* 145.0
# 181 mtcars disp* 301.0
# 182 mtcars disp* 121.0

然后绘制。

ggplot(combined_dat, aes(val)) +
  geom_histogram() +
  facet_wrap(~ src, ncol = 1)
# `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

【讨论】：

当使用facet_wrap 时，如何为每个地块传递单独的分箱/中断？因为，bin 的选择会影响直方图的外观以及由此得出的结论，所以我更愿意提供一定数量的 bin，例如 Freedman – Diaconis 规则。

您可以使用：***.com/questions/17271968/…，参见groups.google.com/forum/#!topic/ggplot2/rhPWQEFMx6A 和groups.google.com/forum/#!topic/ggplot2/aQQ2hTYRQF8/discussion。

这能回答你的问题吗？