可能的 ggplot2 错误：重叠直方图的标准化不一致

Question

我最近在 ggplot2 中偶然发现了一些奇怪的行为。以下代码

N <- 1000
coin <- rep(c(0,1),N/2)
N1 <- sum(coin)
N0 <- sum(1-coin)
values <- rep(0,N)
values[coin==0] <- rnorm(N0,mean=0,sd=1)
values[coin==1] <- rnorm(N1,mean=0,sd=1)
dat = data.frame('Value'=values,'Category'=as.factor(coin))

创建一个数据集，其中包含一个数值列和一个因子列，属于两个类别中的每个类别的事件数量相等：

> summary(dat)
     Value           Category
 Min.   :-3.901785   0:500   
 1st Qu.:-0.669807   1:500   
 Median : 0.020031           
 Mean   :-0.008229           
 3rd Qu.: 0.650803           
 Max.   : 3.195819   

但是，当绘制按类别细分的 Value 列时，类别 1 的归一化程度比类别 0 高得多：

ggplot(dat,aes(x=Value,fill=Category)) + geom_histogram(alpha=0.5) + theme_bw()

这看起来很奇怪。两个直方图的 bin 宽度看起来是相等的，因为它们应该是相等的，但是事件的总计数不相等，因为它们应该是相等的。 0类直方图其实就是整个数据集的直方图：

ggplot(dat,aes(x=Value)) + geom_histogram(alpha=0.5) + theme_bw()

这是一个 ggplot2 错误，还是我犯了一些我没有注意到的错误？ （顺便说一下，如果我将类别 0 和 1 替换为“A”和“B”，我会得到同样的结果）。

系统详情：

• Mac OS X High Sierra
• R 版本 3.4.0 (2017-04-21)
• ggplot2_2.2.1

Answer 1

geom_histogram 默认通过参数position="stack" 将条形堆叠在一起。这对于同时查看整体组成和每个部分的贡献很有用，但对于直接比较各个部分不是那么有用。您可以通过将位置参数更改为"identity" 来覆盖它，例如：

ggplot(dat,aes(x=Value,fill=Category)) +
 geom_histogram(alpha=0.5, position="identity") + theme_bw()