當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R ggplot2 geom_density 平滑密度估計


計算並繪製核密度估計,它是直方圖的平滑版本。對於來自底層平滑分布的連續數據,這是直方圖的有用替代方案。

用法

geom_density(
  mapping = NULL,
  data = NULL,
  stat = "density",
  position = "identity",
  ...,
  na.rm = FALSE,
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE,
  outline.type = "upper"
)

stat_density(
  mapping = NULL,
  data = NULL,
  geom = "area",
  position = "stack",
  ...,
  bw = "nrd0",
  adjust = 1,
  kernel = "gaussian",
  n = 512,
  trim = FALSE,
  na.rm = FALSE,
  bounds = c(-Inf, Inf),
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE
)

參數

mapping

aes() 創建的一組美學映射。如果指定且inherit.aes = TRUE(默認),它將與繪圖頂層的默認映射組合。如果沒有繪圖映射,則必須提供mapping

data

該層要顯示的數據。有以下三種選擇:

如果默認為 NULL ,則數據繼承自 ggplot() 調用中指定的繪圖數據。

data.frame 或其他對象將覆蓋繪圖數據。所有對象都將被強化以生成 DataFrame 。請參閱fortify() 將為其創建變量。

將使用單個參數(繪圖數據)調用function。返回值必須是 data.frame ,並將用作圖層數據。可以從 formula 創建 function (例如 ~ head(.x, 10) )。

position

位置調整,可以是命名調整的字符串(例如 "jitter" 使用 position_jitter ),也可以是調用位置調整函數的結果。如果需要更改調整設置,請使用後者。

...

其他參數傳遞給 layer() 。這些通常是美學,用於將美學設置為固定值,例如 colour = "red"size = 3 。它們也可能是配對的 geom/stat 的參數。

na.rm

如果 FALSE ,則默認缺失值將被刪除並帶有警告。如果 TRUE ,缺失值將被靜默刪除。

orientation

層的方向。默認值 ( NA ) 自動根據美學映射確定方向。萬一失敗,可以通過將 orientation 設置為 "x""y" 來顯式給出。有關更多詳細信息,請參閱方向部分。

show.legend

合乎邏輯的。該層是否應該包含在圖例中? NA(默認值)包括是否映射了任何美學。 FALSE 從不包含,而 TRUE 始終包含。它也可以是一個命名的邏輯向量,以精細地選擇要顯示的美學。

inherit.aes

如果 FALSE ,則覆蓋默認美學,而不是與它們組合。這對於定義數據和美觀的輔助函數最有用,並且不應繼承默認繪圖規範的行為,例如borders()

outline.type

區域輪廓的類型; "both" 繪製上下兩條線,"upper" /"lower" 僅繪製相應的線。 "full" 在該區域周圍繪製一個閉合多邊形。

geom, stat

用於覆蓋 geom_density()stat_density() 之間的默認連接。

bw

要使用的平滑帶寬。如果是數字,則為平滑內核的標準差。如果是字符,則選擇帶寬的規則,如 stats::bw.nrd() 中列出。

adjust

多重帶寬調整。這使得在仍然使用帶寬估計器的同時調整帶寬成為可能。例如adjust = 1/2表示使用默認帶寬的一半。

kernel

核心。請參閱 density() 中的可用內核列表。

n

要估計密度的等距點的數量,應該是 2 的冪,有關詳細信息,請參閱density()

trim

如果是FALSE(默認值),則每個密度都是在數據的整個範圍內計算的。如果是 TRUE ,則每個密度都是在該組的範圍內計算的:這通常意味著估計的 x 值不會line-up,因此您將無法堆疊密度值。僅當您在一張圖中顯示多個密度或手動調整比例限製時,此參數才有意義。

bounds

已知估計數據的下限和上限。默認 c(-Inf, Inf) 意味著沒有(有限)邊界。如果任何邊界是有限的,則默認密度估計的邊界效應將通過在最近邊周圍反射 bounds 之外的尾部來糾正。超出範圍的數據點將被刪除並發出警告。

方向

該幾何體以不同的方式對待每個軸,因此可以有兩個方向。通常,方向很容易從給定映射和使用的位置比例類型的組合中推斷出來。因此,ggplot2 默認情況下會嘗試猜測圖層應具有哪個方向。在極少數情況下,方向不明確,猜測可能會失敗。在這種情況下,可以直接使用 orientation 參數指定方向,該參數可以是 "x""y" 。該值給出了幾何圖形應沿著的軸,"x" 是您期望的幾何圖形的默認方向。

美學

geom_density() 理解以下美學(所需的美學以粗體顯示):

  • x

  • y

  • alpha

  • colour

  • fill

  • group

  • linetype

  • linewidth

  • weight

vignette("ggplot2-specs") 中了解有關設置這些美學的更多信息。

計算變量

這些是由層的 'stat' 部分計算的,可以使用 delayed evaluation 訪問。

  • after_stat(density)
    密度估計。

  • after_stat(count)
    密度 * 點數 - 對於堆積密度圖很有用。

  • after_stat(scaled)
    密度估計,縮放至最大值 1。

  • after_stat(n)
    點數。

  • after_stat(ndensity)
    別名為scaled,鏡像語法stat_bin().

也可以看看

有關顯示連續分布的其他方法,請參閱geom_histogram()geom_freqpoly()。有關緊湊密度顯示,請參閱geom_violin()

例子

ggplot(diamonds, aes(carat)) +
  geom_density()

# Map the values to y to flip the orientation
ggplot(diamonds, aes(y = carat)) +
  geom_density()


ggplot(diamonds, aes(carat)) +
  geom_density(adjust = 1/5)

ggplot(diamonds, aes(carat)) +
  geom_density(adjust = 5)


ggplot(diamonds, aes(depth, colour = cut)) +
  geom_density() +
  xlim(55, 70)
#> Warning: Removed 45 rows containing non-finite values (`stat_density()`).

ggplot(diamonds, aes(depth, fill = cut, colour = cut)) +
  geom_density(alpha = 0.1) +
  xlim(55, 70)
#> Warning: Removed 45 rows containing non-finite values (`stat_density()`).


# Use `bounds` to adjust computation for known data limits
big_diamonds <- diamonds[diamonds$carat >= 1, ]
ggplot(big_diamonds, aes(carat)) +
  geom_density(color = 'red') +
  geom_density(bounds = c(1, Inf), color = 'blue')


# \donttest{
# Stacked density plots: if you want to create a stacked density plot, you
# probably want to 'count' (density * n) variable instead of the default
# density

# Loses marginal densities
ggplot(diamonds, aes(carat, fill = cut)) +
  geom_density(position = "stack")

# Preserves marginal densities
ggplot(diamonds, aes(carat, after_stat(count), fill = cut)) +
  geom_density(position = "stack")


# You can use position="fill" to produce a conditional density estimate
ggplot(diamonds, aes(carat, after_stat(count), fill = cut)) +
  geom_density(position = "fill")

# }

相關用法


注:本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Smoothed density estimates。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。