用 ggplot2 (R) 覆盖 KDE 和填充直方图

Question

我是 R 的新手，我正在努力覆盖一个分为 6 个类的填充直方图和一个基于整个分布的 KDE（不是 6 个类的单个分布）。 我有这个包含 4 列（data1、data2、data3、origin）的数据集，所有数据都是连续的，origin 是我的类别（地理位置）。我可以用 6 个类绘制 data1 的直方图，但是当我添加 KDE 曲线时，它也分为 6 条曲线（每个类一个）。我想我明白当我调用 geom_density 时我必须覆盖第一个 aes 参数并创建一个新参数，但我找不到这样做的方法。

用 iris 数据集翻译我的问题，我想要 Sepal.Length 的 KDE 曲线，而不是每个物种的 KDE 曲线 Sepal.Length。这是我的代码和虹膜数据的结果。

ggplot(data=iris, aes(x=Sepal.Length, fill=Species)) + geom_histogram() + theme_minimal() + geom_density(kernel="gaussian", bw= 0.1, alpha=.3)

Example with Iris dataset

感谢您的帮助。

Answer 1

问题是直方图显示计数，它集成到总和，而密度图显示密度，集成到 1。要使两者兼容，您必须使用“计算变量”层的统计部分，可通过after_stat() 访问。您可以缩放密度以使其积分为总和，也可以缩放直方图以使其积分为 1。

将直方图缩放到密度：

library(ggplot2)
ggplot(iris, aes(Sepal.Length, fill = Species)) +
  geom_histogram(aes(y = after_stat(density)),
                 position = 'identity') +
  geom_density(bw = 0.1, alpha = 0.3)
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

将密度缩放为计数。要正确执行此操作，您应该将 count 计算变量与直方图的 binwidth 参数相乘。

ggplot(iris, aes(Sepal.Length, fill = Species)) +
  geom_histogram(binwidth = 0.2, position = 'identity') +
  geom_density(aes(y = after_stat(count * 0.2)),
               bw = 0.1, alpha = 0.3)

^{由reprex package (v1.0.0) 于 2021 年 6 月 22 日创建}

作为旁注；直方图的默认位置参数是将条形堆叠在另一个之上。设置 position = "identity" 可以防止这种情况。或者，您也可以在密度层中设置position = "stack"。

编辑：抱歉，我似乎已经掩盖了“我想要 1 个 KDE 用于整个 Sepal.Length”这个问题的一部分。您必须手动设置组，如下所示：

ggplot(iris, aes(Sepal.Length, fill = Species)) +
  geom_histogram(binwidth = 0.2) +
  geom_density(bw = 0.1, alpha = 0.3, 
               aes(group = 1, y = after_stat(count * 0.2)))