ggplot2中的geoms和stats有什么区别？

Question

在R包ggplot2中，几何物体（geoms）和统计变换（stats）都可以用于绘制图形，并且它们经常给出类似的结果（例如，geom_area和stat_bin）。它们通常也有略微不同的参数，例如在二维密度图中：

geom_density_2d(mapping = NULL, data = NULL, stat = "density2d",
  position = "identity", ..., lineend = "butt", linejoin = "round",
  linemitre = 1, na.rm = FALSE, show.legend = NA, inherit.aes = TRUE)

stat_density_2d(mapping = NULL, data = NULL, geom = "density_2d",
  position = "identity", ..., contour = TRUE, n = 100, h = NULL, na.rm =
  FALSE, show.legend = NA, inherit.aes = TRUE)

这两种类型的对象有根本性的区别吗？

- tluh

Answer 1

这只是对已接受答案的补充。

根据 ggplot2 的作者 Hadley Wickkam 在他的书《ggplot2: Elegant Graphics for Data Analysis》第 5.2 节“逐层构建绘图”中所说，链接在此(link here)，只需要设置 stat 和 geom 中的一个：每个 geom 都有一个默认的 stat，每个 stat 都有一个默认的 geom。请注意，不要删除 HTML 标记。

上面的被接受的答案解释得很好为什么它们不同。这是为了解释为什么在实践中难以区分它们--每当您使用一个geom层，您也会隐含地使用一个stat层（即使它只是身份转换）; 同样，每当您使用一个stat层时，您也会隐含地使用一个geom层。如果您满意任何一层使用的默认值，那么明确指出两层将是多余的。即使您对任一层提供的默认值不满意，您也可以将其作为参数修改每个层（即您可以修改默认的geom作为参数传递给任何stat_*函数，并且您可以修改默认的stat作为参数传递给任何geom_*函数）。用Hadley Wickham的话来说（与上面相同的来源）：

您可以在...中传递参数（在这种情况下，stat和geom参数会自动分开）

这个概念在概念上有些难以理解，这也是我一直有这个问题的原因。在他关于ggplot2底层哲学的论文中，在此处找到第4节，“默认层次结构”中，Hadley Wickham解释了这种默认行为背后的实际考虑，即简化代码，否则代码会变得不必要地冗长。

例如，如果没有默认规范，并仅使用图形语法，一个简单散点图的代码可能如下所示：

ggplot() +
layer(
data = diamonds, mapping = aes(x = carat, y = price),
geom = "point", stat = "identity", position = "identity"
) +
scale_y_continuous() +
scale_x_continuous() +
coord_cartesian()

使用默认的比例尺和坐标，我们可以这样编写代码：

ggplot(data = Diamonds, aes(x = carat, y = price)) + 
layer(
geom = "point", stat = "identity", position = "identity"
)

但是这段代码仍然太长了，因为stat和position的值只是"identity"，这基本上意味着什么都不做，所以为什么要明确地写出来呢？

然而，layer()函数没有stat或position的默认值 - 它们需要在调用layer()函数时显式指定。

为了解决这个问题，Hadley 将geom_*函数和stat_*函数作为包装器添加到layer()函数中，这些函数对于geom和stat参数都有默认值。stat_*和geom_*函数之间的区别在于哪个参数具有不可变（不可更改）的默认值，即stat或geom。

来源: http://ggplot2.tidyverse.org/reference/layer.html

所以对于geom_*函数，您可以更改stat参数的默认值，但无法更改geom参数的默认值，而对于stat_*函数，您可以更改geom参数的默认值，但无法更改stat参数的默认值。

图层是数据、统计和几何体的组合，可能包含位置调整。通常使用geom_*或stat_*调用创建层，但也可以直接使用此函数[layer()函数]创建。

- Chill2Macht

---

非常感谢你解释了stat_*和geom_*函数实际上是提供了layer()函数的合理默认值包装器。对我来说，这是你回答中最令人瞪大眼睛的部分。我的学生们（间接地）非常感激你 :-) - András Aszódi

我坚信 Hadley Wickham 故意设计了扭曲和令人困惑的界面，强迫人们购买他的书籍才能理解如何使用他的库。 - Stefano Borini

Answer 2

geoms代表"几何对象"。这些是图形上看到的核心元素，例如点、线、区域、曲线等。

stats代表"统计变换"。这些对象以不同方式总结数据，如计算观察值的数量、创建最符合数据的loess线，或向loess线添加置信区间。

由于geoms是绘图的"核心"，所以这些是必要的对象。另一方面，stats不是产生绘图所必需的，但可以极大地增强最终绘图的效果。

正如@eipi10在评论中所指出的那样，这些区别在某种程度上是概念性的，因为大多数geoms在绘制之前都经历了一些统计变换。其中包括geom_bar、geom_smooth和geom_quantile。一些常见的例外情况是数据以更多或更少的"原始"形式呈现的geom_point和geom_line以及较少使用的geom_rug。

- lmo

---

据我所知，统计量和几何图形总是一起使用的，但每个几何图形都有一个默认的统计量。因此，您不必显式指定统计量，但仍需要使用统计量。如果您查看 ggplot 帮助文档，您可以看到每种几何图形的默认统计量。您也可以反过来，在 stat_xxx() 的调用中指定一个 geom。大多数情况下，您不必担心这些细节，但了解它们很好，以防您想修改默认行为。 - eipi10

在 geom_bar 中，最常见的情况是默认计算行数（geom_bar 的默认统计量为 stat_count）。因此，如果您的数据已经被汇总，您需要指定 stat="identity"，表示不对原始数据进行任何转换。 - eipi10

谢谢提供链接，我会添加一条注释，以便更好地涵盖这种情感。 - lmo

@eipi10上面评论的ggplot_help链接对我没用。我猜这是预期的页面https://ggplot2.tidyverse.org/reference/，对我确实有帮助！ - ciaran haines

很高兴能帮上忙。看起来，我4.5年前在评论中留下的链接已经失效了。感谢你发布了最新的链接。 - eipi10

Answer 3

geom是用于几何表示的，而stat则是用于统计信息和表示的。我认为有时候geom会使用一些统计函数，例如stat_count()被geom_bar()使用。在这种情况下，geom_bar需要一个参数（x或y），而stat_count负责计算频率。

- Houssam Baiz