r - 如果数据点数量较少，ggplot2 如何使用 cut_number 拆分组？

Question

我想知道 ggplot2 和 cut_number 的“幕后功能”。我有一些相当复杂的数据，其中包含许多数据子集，但相对较小数据点的数量。我附上一张图作为例子:

geom_boxplot with facets

我在此处将我的剪辑设置为有五个组，您可以看到其中少数绘图发生得很好，但许多其他绘图只形成了 3 个箱线图。我想知道 cut_number 是否试图用每个类别的最少样本数来绘制图？我对此表示怀疑，因为有时建议箱线图每个至少有 5 个数据点，我假设其他人认为这个数字应该更高。如果这是真的，有没有办法改变它试图创建的组数？我更愿意在 cut_interval 上使用它，因为这些图的不同宽度可以提供信息(即使它使某些数据看起来很差)。

例如，从左起第三列分别有 14、40 和 16 个样本，分别发生在 2015 年、2016 年和 2018 年。我本以为 cut_number 会尝试在 2016 年至少形成 4 个箱线图。

我不确定我的代码是否相关，但我在这里附上了一个略微精简的版本，以防我在某个地方犯了错误，并且不小心从 cut_number 获得了错误的功能.

我的代码:

gg <- ggplot(data = LakeCombine, aes(x = JulianDate, y = log10(Concentration)))

gg + geom_boxplot(aes(group = cut_number(JulianDate, 5)), outlier.size = 2) + 
facet_grid(rows = vars(Year), cols = vars(Lake)) + 
scale_x_continuous(breaks = c(121,182,244, 305), labels = c("May","Jul","Sep","Nov"), limits = c(100,325)) + 
geom_point(data = LakeCombineZero, aes(x = JulianDate, y = Concentration), shape = 1)

Answer 1

正如@sarah 所提到的，根据您提供的数据很难给出一个确定的答案，但是...

是的 cut_number 有一些关于容器大小的内部逻辑。它不像总大小(N=5 或任何其他数字)那么简单，它还与相对大小有关。根据我的经验，它会触发一条错误消息(见下文)，但在您的情况下，这可能会在分面工作流程中丢失。给你一个简单的例子，让我们使用 ggplot2

中的 diamonds

请注意，我们可以根据超过 53,000 颗钻石 depth 的非常大的样本制作 27 个 bin，但不是 28 个，显然 N 不会接近一个小数字。您可以根据相同的方法处理您自己的数据，然后确定您是要手动强制进行某些切割，还是选择适用于每种组合的 bin 大小。

查克

library(ggplot2)
library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
str(diamonds)
#> tibble [53,940 × 10] (S3: tbl_df/tbl/data.frame)
#>  $ carat  : num [1:53940] 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
#>  $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
#>  $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
#>  $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
#>  $ depth  : num [1:53940] 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
#>  $ table  : num [1:53940] 55 61 65 58 58 57 57 55 61 61 ...
#>  $ price  : int [1:53940] 326 326 327 334 335 336 336 337 337 338 ...
#>  $ x      : num [1:53940] 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
#>  $ y      : num [1:53940] 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
#>  $ z      : num [1:53940] 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...
cut_number(diamonds$depth, n = 10) %>% table
#> .
#>     [43,60]   (60,60.8] (60.8,61.2] (61.2,61.6] (61.6,61.8] (61.8,62.1] 
#>        5625        5671        4953        6878        3981        6422 
#> (62.1,62.4] (62.4,62.7] (62.7,63.3]   (63.3,79] 
#>        5771        4366        5386        4887
cut_number(diamonds$depth, n = 27) %>% table
#> .
#>     [43,59]   (59,59.7] (59.7,60.1] (60.1,60.4] (60.4,60.7] (60.7,60.9] 
#>        2067        2182        1926        1829        2369        1987 
#> (60.9,61.1] (61.1,61.2] (61.2,61.4] (61.4,61.5] (61.5,61.6] (61.6,61.7] 
#>        2463        1426        3203        1719        1956        1904 
#> (61.7,61.8] (61.8,61.9]   (61.9,62]   (62,62.1] (62.1,62.2] (62.2,62.3] 
#>        2077        2163        2239        2020        2039        1940 
#> (62.3,62.4] (62.4,62.5] (62.5,62.6] (62.6,62.8] (62.8,62.9] (62.9,63.2] 
#>        1792        1563        1497        2539        1096        2352 
#> (63.2,63.5]   (63.5,64]     (64,79] 
#>        1847        1875        1870

cut_number(diamonds$depth, n = 28) %>% table
#> Error: Insufficient data values to produce 28 bins.

^{由 reprex package 创建于 2020-04-17 (v0.3.0)}