在 R 中，使用 ecdf 我可以绘制经验累积分布函数
plot(ecdf(mydata))
使用hist，我可以绘制数据的直方图
hist(mydata)
如何在同一个图中绘制直方图和 ecdf？
我尝试做类似的东西
【问题讨论】：
也有点晚了，这是另一个解决方案，它用第二个 y 轴扩展了 @Christoph 的解决方案。
par(mar = c(5,5,2,5))
set.seed(15)
dt <- rnorm(500, 50, 10)
h <- hist(
dt,
breaks = seq(0, 100, 1),
xlim = c(0,100))
par(new = T)
ec <- ecdf(dt)
plot(x = h$mids, y=ec(h$mids)*max(h$counts), col = rgb(0,0,0,alpha=0), axes=F, xlab=NA, ylab=NA)
lines(x = h$mids, y=ec(h$mids)*max(h$counts), col ='red')
axis(4, at=seq(from = 0, to = max(h$counts), length.out = 11), labels=seq(0, 1, 0.1), col = 'red', col.axis = 'red')
mtext(side = 4, line = 3, 'Cumulative Density', col = 'red')
诀窍如下：不要在绘图中添加线，而是在顶部绘制另一个绘图，这就是我们需要par(new = T) 的原因。然后您必须稍后添加 y 轴（否则它将绘制在左侧的 y 轴上）。
【讨论】：
有两种方法可以解决这个问题。一种是忽略不同的比例并在直方图中使用相对频率。这导致更难阅读直方图。第二种方法是改变一个或另一个元素的比例。
我怀疑this question 很快就会引起你的兴趣，尤其是@hadley 的回答。
这是ggplot2 中的解决方案。我不确定您是否会对结果感到满意，因为 CDF 和直方图（计数或相对）在完全不同的视觉尺度上。请注意，此解决方案的数据位于名为 mydata 的数据框中，所需变量位于 x 中。
library(ggplot2)
set.seed(27272)
mydata <- data.frame(x= rexp(333, rate=4) + rnorm(333))
ggplot(mydata, aes(x)) +
stat_ecdf(color="red") +
geom_bar(aes(y = (..count..)/sum(..count..)))
在这里，我将重新调整经验 CDF，使其最大值不是 1，而是具有最高相对频率的 bin。
h <- hist(mydata$x, freq=F)
ec <- ecdf(mydata$x)
lines(x = knots(ec),
y=(1:length(mydata$x))/length(mydata$x) * max(h$density),
col ='red')
【讨论】：
您可以尝试使用第二个轴的 ggplot 方法
set.seed(15)
a <- rnorm(500, 50, 10)
# calculate ecdf with binsize 30
binsize=30
df <- tibble(x=seq(min(a), max(a), diff(range(a))/binsize)) %>%
bind_cols(Ecdf=with(.,ecdf(a)(x))) %>%
mutate(Ecdf_scaled=Ecdf*max(a))
# plot
ggplot() +
geom_histogram(aes(a), bins = binsize) +
geom_line(data = df, aes(x=x, y=Ecdf_scaled), color=2, size = 2) +
scale_y_continuous(name = "Density",sec.axis = sec_axis(trans = ~./max(a), name = "Ecdf"))
由于缩放错误，我添加了第二个解决方案，提前计算所有内容：
binsize=30
a_range= floor(range(a)) +c(0,1)
b <- seq(a_range[1], a_range[2], round(diff(a_range)/binsize)) %>% floor()
df_hist <- tibble(a) %>%
mutate(gr = cut(a,b, labels = floor(b[-1]), include.lowest = T, right = T)) %>%
count(gr) %>%
mutate(gr = as.character(gr) %>% as.numeric())
# calculate ecdf with binsize 30
df <- tibble(x=b) %>%
bind_cols(Ecdf=with(.,ecdf(a)(x))) %>%
mutate(Ecdf_scaled=Ecdf*max(df_hist$n))
ggplot(df_hist, aes(gr, n)) +
geom_col(width = 2, color = "white") +
geom_line(data = df, aes(x=x, y=Ecdf*max(df_hist$n)), color=2, size = 2) +
scale_y_continuous(name = "Density",sec.axis = sec_axis(trans = ~./max(df_hist$n), name = "Ecdf"))
【讨论】：
正如已经指出的那样，这是有问题的，因为您要合并的图具有如此不同的 y 尺度。你可以试试
set.seed(15)
mydata<-runif(50)
hist(mydata, freq=F)
lines(ecdf(mydata))
得到
【讨论】：
虽然有点晚了......另一个使用预设垃圾箱的版本：
set.seed(15)
dt <- rnorm(500, 50, 10)
h <- hist(
dt,
breaks = seq(0, 100, 1),
xlim = c(0,100))
ec <- ecdf(dt)
lines(x = h$mids, y=ec(h$mids)*max(h$counts), col ='red')
lines(x = c(0,100), y=c(1,1)*max(h$counts), col ='red', lty = 3) # indicates 100%
lines(x = c(which.min(abs(ec(h$mids) - 0.9)), which.min(abs(ec(h$mids) - 0.9))), # indicates where 90% is reached
y = c(0, max(h$counts)), col ='black', lty = 3)
（只有第二个 y 轴还没有工作……）
【讨论】：
除了之前的答案，我想让 ggplot 进行繁琐的计算（与 @Roman's solution 相比，它已根据我的要求进行了更新），即计算并绘制直方图 和 计算并叠加 ECDF。我想出了以下（伪代码）：
# 1. Prepare the plot
plot <- ggplot() + geom_hist(...)
# 2. Get the max value of Y axis as calculated in the previous step
maxPlotY <- max(ggplot_build(plot)$data[[1]]$y)
# 3. Overlay scaled ECDF and add secondary axis
plot +
stat_ecdf(aes(y=..y..*maxPlotY)) +
scale_y_continuous(name = "Density", sec.axis = sec_axis(trans = ~./maxPlotY, name = "ECDF"))
这样您就不需要事先计算所有内容并将结果提供给ggpplot。放轻松，让它为你做一切！
【讨论】：