叠加密度图不包括直方图值

Posted 2023-02-14

【中文标题】叠加密度图不包括直方图值

【英文标题】：Overlay density plot excludes histogram values

【发布时间】：2015-07-29 02:15:51

【问题描述】：

我想将密度曲线叠加到我构建的频率直方图上。对于频率直方图，我使用了aes(y=..counts../40)，因为 40 是我的总样本数。我使用aes(y=..density..*0.1) 来强制密度介于 0 和 1 之间，因为我的 binwidth 是 0.1。但是，密度曲线不适合我的数据，它排除了等于 1.0 的值（请注意，直方图显示 bin=(1.0,1.1) 的累积值，但密度曲线以 1.0 结束）

这是我的数据

data<-structure(list(variable = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("E1", "test"
), class = "factor"), value = c(0.288888888888889, 0.0817901234567901, 
0.219026548672566, 0.584795321637427, 0.927554980595084, 0.44661095636026, 
1, 0.653780942692438, 1, 0.806451612903226, 1, 0.276794335371741, 
1, 0.930109557990178, 0.776864728192162, 0.824909747292419, 1, 
1, 1, 1, 1, 0.0875912408759124, 0.308065494238933, 1, 0.0258064516129032, 
0.0167322834645669, 1, 1, 0.355605889014723, 0.310344827586207, 
0.106598984771574, 0.364447494852436, 0.174724342663274, 0.77491961414791, 
1, 0.856026785714286, 0.680759275237274, 0.850657108721625, 1, 
1, 0, 0.851851851851852, 1, 0, 0.294954721862872, 0.819870009285051, 
0, 0.734147168531706, 0.0135424091233072, 0.0189098998887653, 
0.0101010101010101, 0, 0.296905222437137, 0.706837929731772, 
0.269279393173198, 0.135379061371841, 0.158969804618117, 0.0902981940361193, 
0.00423131170662906, 0, 0.374880611270296, 0.0425790754257908, 
0.145542753183748, 0, 0.129032258064516, 0.260334645669291, 0, 
0, 1, 0.175505350772889, 0.08248730964467, 0, 0.317217981340119, 
0.614147909967846, 0, 0.264508928571429, 0.883520276100086, 0.0657108721624851, 
0, 0.560229445506692)), row.names = c(NA, -80L), .Names = c("variable", 
"value"), class = "data.frame")

剧情

q<-ggplot(data, aes(value, fill = variable)) 
        q + geom_density(alpha = 0.6,aes(y=..density..*0.1),binwidth=0.1) 
    + theme_minimal()+scale_fill_manual(values =c("#D7191C","#2B83BA")) 
    + theme(legend.position="bottom")+ guides(fill=guide_legend(nrow=1)) 
    + labs(title="Density Plot GrupoB",x="Respuesta",y="Density")
    +scale_x_continuous(breaks=seq(from=0,to=1.2,by=0.1))
    +geom_histogram(alpha = 0.6,aes(y=..count../40),binwidth=0.1,position="dodge")

我得到的输出是这样的

【参考方案1】：

您的情节完全符合您的数据预期：

您绘制 data$value，其中包含 0 到 1 之间的数值，因此您应该期望密度曲线也从 0 到 1。 您绘制了一个 binwidth 为 0.1 的直方图。垃圾箱在下端关闭，在上端打开。所以你得到的分箱是 [0,0.1), [0.1, 0.2), ..., [0.9,1.0), [1.0,1.1)。您的数据中有 17 个值为 1，因此进入最后一个 bin，该 bin 从 1 绘制到 1.1。

我认为按照您的方式绘制直方图是个坏主意。原因是对于直方图，x 轴是连续的，这意味着覆盖 x 轴范围从 0.1 到 0.2 的条表示（包括）0.1 和 0.2 之间的值的计数（不包括后者）。在这种情况下使用闪避会导致图片失真，因为条形现在不再覆盖正确的 x 轴范围。两个条共享它们应该完全覆盖的范围。这种失真是密度曲线似乎与直方图不匹配的原因之一。

那么，你能做些什么呢？我可以给你一些建议，但也许其他人有更好的想法......

您可以使用分面，即将直方图（和相应的密度曲线）绘制成单独的图，而不是使用 position="dodge" 将直方图彼此相邻绘制。这可以通过将+ facet_grid(variable~.) 添加到您的绘图中来实现。

您可以稍微作弊以获得最后一个 bin，即 [0.9,1)，包括 1（即设为 [0.9,1.0]）。只需将数据中的 1 替换为 0.999，如下所示：data$value[data$value==1]<-0.999。重要的是，您仅 为绘图执行此操作，这实际上仅意味着您稍微重新定义了分箱。对于您缩进要做的所有数字评估，您不应该进行此替换！ （例如，它会改变data$value 的平均值。）

关于密度曲线和直方图的归一化：密度曲线不需要介于 0 和 1 之间。限制是密度曲线上的积分应该为 1。因此，要使密度曲线和直方图可比较，直方图也应该有整数 1，这是通过将 y 值除以绑定宽度来实现的。所以，你应该使用geom_density(alpha = 0.6,aes(y=..density..))（我也删除了bindwith=0.1，因为它对geom_density没有影响）和geom_histogram(alpha = 0.6,aes(y=..count../40/.1),binwidth=0.1)（不需要position="dodge"，一旦你使用分面）。当然，这会导致您所拥有的相对归一化，但它更有意义，因为密度曲线和直方图上的积分应该是 1。

密度曲线仍然与直方图不完全匹配，这与密度估计器的计算方式有关。我不详细了解这一点，因此很遗憾无法进一步解释。但是您可以通过使用参数adjust 到geom_density 来更好地了解它的工作原理。对于较小的数字，它会使曲线不太平滑，并且曲线将更接近直方图。

为了将所有内容放在一起，我已将所有建议构建到您的代码中，在 geom_density 中使用了 adjust=0.2 并绘制了结果：

data$value[data$value==1]<-0.999
q<-ggplot(data, aes(value, fill = variable)) 
q + geom_density(alpha = 0.6,aes(y=..density..),adjust=0.2)  +
   theme_minimal()+scale_fill_manual(values =c("#D7191C","#2B83BA")) +
   theme(legend.position="bottom")+ guides(fill=guide_legend(nrow=1)) +
   labs(title="Density Plot GrupoB",x="Respuesta",y="Density")+
   scale_x_continuous(breaks=seq(from=0,to=1.2,by=0.1))+
   geom_histogram(alpha = 0.6,aes(y=..count../40/.1),binwidth=0.1) +
   facet_grid(variable~.)

很遗憾，我不能给你一个更完整的答案，但我希望这些想法能给你一个好的开始。

【讨论】：

我知道我不应该用这个来表示感谢，但你没有在你的个人资料中提供任何交流方式。你的答案很完美。我对使用 position="dodge" 感到不安，但使用堆叠版本我什至看不到数据。即使是研讨会演示，刻面方法也很漂亮。