如何解释不同的ggplot2密度图？

Question

我对ggplot中以下这些“geom_density”的变体的含义感到困惑：

请问有人能够解释一下这四个调用之间的区别吗：

1. geom_density(aes_string(x=myvar))
2. geom_density(aes_string(x=myvar, y=..density..))
3. geom_density(aes_string(x=myvar, y=..scaled..))
4. geom_density(aes_string(x=myvar, y=..count../sum(..count..)))

我的理解是：

• 只使用 geom_density 会生成一个曲线下面积为1的概率密度函数。
• 使用 geom_density 和参数 ..density.. 基本上也是这样...?
• 使用参数 ..count../sum(..count..) 将规格化峰值的高度，使其更像规格化的直方图，确保所有的高度总和为1。
• 仅使用 ..count.. 而没有分母将每个条柱乘以其中的项目数量。
• 使用 ..scaled.. 参数将使得密度的最大值是1。

我觉得 ..scaled.. 很反直觉，并且从未见过它被使用，如果我的解释是正确的话，我想忽略它。我主要是想澄清 geom_density 和规格化密度图之间的差异，我认为需要使用 ...count../... 参数。谢谢。

（相关链接：ggplot2将变量映射到y并使用stat="bin"出错）

- user248237

---

无关的提示：你真的需要停止在aes()内引用变量。除非你正在使用aes_string，否则不应该这样做。 - joran

@joran：我正在使用aes_string，抱歉，我正在使用rpy2所以它总是aes_string。 - user248237

仅供读者参考。问题已编辑以解决aes与aes_string的疑虑。这个错误并不是问题的核心。 - CoderGuy123

Answer 1

stat_density 的默认美学是 ..density..，所以调用 geom_density 默认使用 stat_density，将默认绘制 y = ..density..。

您可以通过查看源代码了解如何计算各列。 ..scaled.. 被定义为：

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

如果您愿意，可以忽略它。

查看stat_bin的源代码

结果计算如下

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)
  })

因此，如果您想比较geom_histogram（使用默认的stat = 'bin'）的结果，则可以设置y=..density..，它将为您计算count / sum(count)（考虑到箱子的宽度）。

如果您想将geom_density(aes(y=..scaled..))与stat_bin进行比较，则应使用geom_histogram(aes(y=..ndensity..))。

您还可以在两者中使用..count..来使它们处于相同的比例，但是需要调整stat_density中的adjust参数以获得适当详细的曲线近似。

- mnel