r - 如何解释不同的 ggplot2 密度？

Question

我对 geom_density 的以下变体的含义感到困惑在ggplot中:

有人可以解释这四个电话之间的区别:

geom_density(aes_string(x=myvar))

geom_density(aes_string(x=myvar, y=..density..))

geom_density(aes_string(x=myvar, y=..scaled..))

geom_density(aes_string(x=myvar, y=..count../sum(..count..)))

我的理解是:

geom_density单独将产生一个密度，其曲线下面积之和为 1

geom_density与 ..density..基本上是一样的……？

..count../sum(..count..)会将峰高归一化，使其更像归一化直方图，确保所有高度总和为 1

..count..如果没有分母，它本身只会将每个 bin 乘以其中的项目数

..scaled..参数将使密度的最大值为1。

我找到 ..scaled..非常违反直觉，如果我对它的解释是正确的，我从未见过它使用过，所以我想忽略它。我主要是想澄清 geom_density 之间的区别。和一种归一化密度图，我假设它需要 ...count../...争论。谢谢。

(相关: Error with ggplot2 mapping variable to y and using stat="bin")

Answer 1

stat_density 的默认美学是 ..density.. ，所以调用geom_density使用 stat_density默认情况下，将绘制 y = ..density..默认情况下。

您可以通过查看 source code 来了解各个列是如何计算的。
..scaled..定义为

densdf$scaled <- densdf$y / max(densdf$y, na.rm = TRUE)

如果您愿意，请随意忽略它。

看着 source code for stat_bin

结果是这样计算的

res <- within(results, {
    count[is.na(count)] <- 0
    density <- count / width / sum(abs(count), na.rm=TRUE)
    ncount <- count / max(abs(count), na.rm=TRUE)
    ndensity <- density / max(abs(density), na.rm=TRUE)
  })

所以如果你想比较 geom_histogram的结果(使用默认 stat = 'bin' )，则可以设置 y = ..density..它会计算 count / sum(count)为你(考虑垃圾箱的宽度)

如果你想比较 geom_density(aes(y=..scaled..))与 stat_bin ，那么您将使用 geom_histogram(aes(y = ..ndensity..))
您可以使用 ..count.. 使它们达到相同的比例。在两者中也是如此，但是您需要调整 adjust stat_density 中的参数以获得曲线的适当详细的近似值。