使用 ggplot 划分每组的直方图计数

Posted 2023-02-16

【中文标题】使用 ggplot 划分每组的直方图计数

【英文标题】：Divide histogram counts per group using ggplot

【发布时间】：2021-10-13 22:19:41

【问题描述】：

我有一个这样的数据框：

df2:

# A tibble: 38,161 x 5
   chromosome insRangeBegin cohort gender Cases
   <chr>              <dbl> <chr>  <chr>  <dbl>
 1 chr1              819957 WL-SA  F        173
 2 chr1              820179 WL-SA  F        173
 3 chr1             1610917 WL-PB  F        199
 4 chr1             1923485 WL-PB  F        199
 5 chr1             2098854 WL-SA  M        113
 6 chr1             4051411 WL-SA  F        173
 7 chr1             4099335 WL-SA  F        173
 8 chr1             4257094 WL-SA  F        173
 9 chr1             4346601 WL-SA  F        173
10 chr1             4348046 WL-SA  F        173
# … with 38,151 more rows

假设对于每个染色体，我想为每个群组和性别绘制一个直方图，其中计数除以该群组和性别的“病例”列中的数字。

目前我使用以下代码生成直方图：

df2 %>% filter(chromosome == "chr1") %>% ggplot(.) + geom_histogram(aes(x=insRangeBegin, fill=cohort), binwidth=5e6, position="stack") + facet_wrap(~gender, scales="free") + xlim(c(0, 249250621))

我得到：

但计数（y 轴）并未标准化为病例数（例如，我在 WL-SA F 中的计数比 WL-SA M 中的计数更多，因为它们来自 173 例，而 113 例）。 我想得到相同的图表，但 WL-SA F 的计数除以 173，WL-SA M 的计数除以 113 等，在每个 bin 中。所需结果是每个病例的计数直方图，其中病例数在“病例”列中指定。

【参考方案1】：

解决方案是使用权重。

> df2$weights<-1/df2$Cases
> df2 %>% filter(chromosome == "chr1") %>% ggplot(., aes(x=insRangeBegin, weights=weights)) + geom_histogram(aes(fill=cohort), breaks = seq(0, 249250621, 5e6), position="stack") + facet_wrap(~gender, scales="free")