r - ggplot2 geom_violin 的非常奇怪的图表

Question

我只能用相当大的数据集可靠地重建这个问题，所以我粘贴了整个代码 to a pastebin这是没有数据部分的代码:

    # read tmp from the pastebin  

library(ggplot2)
plt <- ggplot(tmp, aes(region, score))
plt1 <- plt + geom_violin(aes(region, score), scale='width', trim=F)  + ylim(0, 1) + ggtitle('with ylim')
plt2 <- plt + geom_violin(aes(region, score), scale='width', trim=F)  + ggtitle('without ylim')

为该图设置 y 限制会导致非常丑陋的“ fiddle ”:

这是什么，为什么会发生这种情况以及如何避免这种丑陋的问题？

顺便说一句，设置 trim=T 可以解决问题。

Answer 1

通过一些挖掘，我认为问题的技术根源在于:您的 y 变量几乎不在 [0, 1] 范围内，因此密度当然会落在范围之外那个。使用stat_density，这个多余的密度刚刚被切断，但是使用geom_violin/stat_ydensity，多余的部分被留下，并且允许比例扩展.但是，使用 ylim 和 trim=FALSE，[0, 1] 之外的这些 y 值将被保留并设置为 NA，它搞砸了 geom_polygon 中的绘图。您实际上可以通过 [0, 1] 中数据的较小示例看到这一点:

x <- runif(1e4, 0, 1)
ggplot(mapping=aes(1, x)) + geom_violin(trim=FALSE) + ylim(0, 1)

有几种方法可以解决这个问题。第一种是保留默认的 trim=TRUE:

ggplot(mapping=aes(1, x)) + geom_violin() + ylim(0, 1)

请注意，在这种情况下，ylim (scale_y_continuous) 实际上会删除 [0, 1] 之外的原始数据。在您的示例中，除此之外您没有任何要点，我在这里也没有。但这是需要注意的事情。顶部和底部也会有一些填充，可能会误导观众认为 [0, 1] 之外没有密度。

也许更好的解决方案是使用 coord_cartesian，它会简单地“放大”图形，而不会影响数据和结果密度:

ggplot(mapping=aes(1, x)) + geom_violin(trim=FALSE) + coord_cartesian(ylim=c(0, 1))