我是 R 新手，正在尝试将 3 个直方图绘制到同一张图上。 一切正常，但我的问题是您看不到 2 个直方图重叠的位置 - 它们看起来相当截断。
当我制作密度图时，它看起来很完美：每条曲线都被黑色框线包围，曲线重叠的地方颜色看起来不同。
有人可以告诉我是否可以使用第一张图片中的直方图实现类似的效果？这是我正在使用的代码：
lowf0 <-read.csv (....)
mediumf0 <-read.csv (....)
highf0 <-read.csv(....)
lowf0$utt<-'low f0'
mediumf0$utt<-'medium f0'
highf0$utt<-'high f0'
histogram<-rbind(lowf0,mediumf0,highf0)
ggplot(histogram, aes(f0, fill = utt)) + geom_histogram(alpha = 0.2)
【问题讨论】：
您当前的代码：
ggplot(histogram, aes(f0, fill = utt)) + geom_histogram(alpha = 0.2)
告诉ggplot 使用f0 中的所有值构造一个 直方图，然后根据变量utt 为这个直方图的条形着色。
您想要的是创建三个独立的直方图，并使用 alpha 混合，以便它们彼此可见。因此，您可能希望对geom_histogram 使用三个单独的调用，每个调用都有自己的数据框并填充：
ggplot(histogram, aes(f0)) +
geom_histogram(data = lowf0, fill = "red", alpha = 0.2) +
geom_histogram(data = mediumf0, fill = "blue", alpha = 0.2) +
geom_histogram(data = highf0, fill = "green", alpha = 0.2) +
这是一个带有一些输出的具体示例：
dat <- data.frame(xx = c(runif(100,20,50),runif(100,40,80),runif(100,0,30)),yy = rep(letters[1:3],each = 100))
ggplot(dat,aes(x=xx)) +
geom_histogram(data=subset(dat,yy == 'a'),fill = "red", alpha = 0.2) +
geom_histogram(data=subset(dat,yy == 'b'),fill = "blue", alpha = 0.2) +
geom_histogram(data=subset(dat,yy == 'c'),fill = "green", alpha = 0.2)
产生这样的东西：
编辑以修正错别字；你想要填充，而不是颜色。
【讨论】：
scale_fill_manual().
使用@joran 的样本数据，
ggplot(dat, aes(x=xx, fill=yy)) + geom_histogram(alpha=0.2, position="identity")
注意geom_histogram的默认位置是“stack”。
参见本页“位置调整”：
【讨论】：
position = 'identity' 不仅是一个更易读的答案，它还与更复杂的图更好地融合在一起，例如对aes() 和aes_string() 的混合调用。
scale_fill_manual()。这个函数也可以用来修改直方图中的颜色。
fill 中使用的变量是一个因素。
虽然在 ggplot2 中绘制多个/重叠直方图只需要几行代码，但结果并不总是令人满意。需要正确使用边框和颜色，以确保眼睛可以区分直方图。
以下函数平衡边框颜色、不透明度和叠加密度图，使查看者能够区分分布。
单个直方图：
plot_histogram <- function(df, feature) {
plt <- ggplot(df, aes(x=eval(parse(text=feature)))) +
geom_histogram(aes(y = ..density..), alpha=0.7, fill="#33AADE", color="black") +
geom_density(alpha=0.3, fill="red") +
geom_vline(aes(xintercept=mean(eval(parse(text=feature)))), color="black", linetype="dashed", size=1) +
labs(x=feature, y = "Density")
print(plt)
}
多重直方图：
plot_multi_histogram <- function(df, feature, label_column) {
plt <- ggplot(df, aes(x=eval(parse(text=feature)), fill=eval(parse(text=label_column)))) +
geom_histogram(alpha=0.7, position="identity", aes(y = ..density..), color="black") +
geom_density(alpha=0.7) +
geom_vline(aes(xintercept=mean(eval(parse(text=feature)))), color="black", linetype="dashed", size=1) +
labs(x=feature, y = "Density")
plt + guides(fill=guide_legend(title=label_column))
}
用法：
只需将您的数据框传递给上述函数以及所需的参数：
plot_histogram(iris, 'Sepal.Width')
plot_multi_histogram(iris, 'Sepal.Width', 'Species')
plot_multi_histogram 中的额外参数是包含类别标签的列的名称。
我们可以通过创建具有许多不同分布方式的数据框来更显着地看到这一点：
a <-data.frame(n=rnorm(1000, mean = 1), category=rep('A', 1000))
b <-data.frame(n=rnorm(1000, mean = 2), category=rep('B', 1000))
c <-data.frame(n=rnorm(1000, mean = 3), category=rep('C', 1000))
d <-data.frame(n=rnorm(1000, mean = 4), category=rep('D', 1000))
e <-data.frame(n=rnorm(1000, mean = 5), category=rep('E', 1000))
f <-data.frame(n=rnorm(1000, mean = 6), category=rep('F', 1000))
many_distros <- do.call('rbind', list(a,b,c,d,e,f))
像以前一样传递数据框（并使用选项扩大图表）：
options(repr.plot.width = 20, repr.plot.height = 8)
plot_multi_histogram(many_distros, 'n', 'category')
要为每个分布添加单独的垂直线：
plot_multi_histogram <- function(df, feature, label_column, means) {
plt <- ggplot(df, aes(x=eval(parse(text=feature)), fill=eval(parse(text=label_column)))) +
geom_histogram(alpha=0.7, position="identity", aes(y = ..density..), color="black") +
geom_density(alpha=0.7) +
geom_vline(xintercept=means, color="black", linetype="dashed", size=1)
labs(x=feature, y = "Density")
plt + guides(fill=guide_legend(title=label_column))
}
与之前的 plot_multi_histogram 函数的唯一变化是在参数中添加了means，并将geom_vline 行更改为接受多个值。
用法：
options(repr.plot.width = 20, repr.plot.height = 8)
plot_multi_histogram(many_distros, "n", 'category', c(1, 2, 3, 4, 5, 6))
结果：
由于我在many_distros 中明确设置了方法，因此我可以简单地将它们传入。或者，您可以简单地在函数内部计算这些值并使用这种方式。
【讨论】：