r - ggplot2 网格重叠超出边界

Question

我在 [0,1] 中统一创建点，每个点都有观察值。但是 ggpolot 显示了一些大于 1 的观测值，这些观测值在边界之外。为什么即使坐标在 0 和 1 范围内也会发生这种情况？你知道如何避免这种情况吗？

x=runif(10^6)
y=runif(10^6)
z=rnorm(10^6)

new.data=data.frame(x,y,z)

library(ggplot2)

ggplot(data=new.data) + stat_summary_2d(fun = mean, aes(x=x, y=y, z=z))

Answer 1

这是一个与用于分箱的网格有关的问题。让我们使用一个更小的例子。

set.seed(42)
x=runif(10^3)
y=runif(10^3)
z=rnorm(10^3)

new.data=data.frame(x,y,z)

library(ggplot2)

(g <- ggplot(data=new.data) + 
    stat_summary_2d(fun = mean, aes(x=x, y=y, z=z))  +
    geom_point(aes(x, y)))

现在让我们放大左上角的那个框

g + coord_cartesian(xlim = c(0.02, 0.075), ylim = c(0.99, 1.035), 
                    expand = FALSE)

如您所见，该框从 y = 1 以下开始但延伸至该值以上因为您正在根据某些 binwidth 对观察结果进行分箱。如果使用直方图，也会出现同样的现象。

ggplot(data.frame(x = runif(1000, 0, 1)), aes(x)) +
  geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

在 geom_histogram 中，可以通过设置 boundary 参数来避免这种情况为 0，箱数为总长度的倍数。

ggplot(data.frame(x = runif(1000, 0, 1)), aes(x)) +
  geom_histogram(boundary = 0, binwidth = 0.1)

因此，您的解决方案是将 binwidth 设置为 1/n，其中 n 是一个整数

ggplot(data=new.data) + 
    stat_summary_2d(fun = mean, aes(x=x, y=y, z=z), binwidth = 0.1)  +
    geom_point(aes(x, y))

^{由 reprex package 创建于 2018-11-04 (v0.2.1.9000)}