在 ggplot2 中，是否可以使用包含重叠数据的桶创建条形图？答案

【问题标题】：In ggplot2, is it possible to create a bar chart with buckets that contain overlapping data?在 ggplot2 中，是否可以使用包含重叠数据的桶创建条形图？
【发布时间】：2014-01-16 18:38:21
【问题描述】：

我正在制作一个条形图，其中数据由一些连续变量 X 存储。我想创建一个条形图，其中存储桶实际重叠。因此，如果 binwidth=1/10，那么第一个条形将包含 Xs 在第 0 到第 10 个百分位数的数据。第二个条可能包含从第 1 个百分位到第 11 个百分位 X 的数据。第三个将包含 Xs 从第 2 到第 12 个百分位数的数据。等等。在 ggplot 中是否可能发生这样的事情？

编辑：

我应该澄清一下。我不希望条形重叠视觉上，所以我删除了你的编辑 Martin。相反，我希望相邻的存储桶部分共享数据点。需要注意的是，

1) 我的 X 数据已经过百分位。
2) 条形图报告分桶数据的汇总统计数据，例如方差。

因此，在一个 binwidth 为 1/10 的普通条形图中，第一个条形代表第 0-10 个百分位的数据，第 2 个条形代表第 10-20 个百分位的数据，依此类推。但是，我想要的是第 1 条代表第 0-10 个百分位，第 2 个条代表第 1-11 个百分位，第 3 个代表第 2-12 个百分位，依此类推。这样做的原因只是为了将 binwidth 与图表上显示的条数分离。我想要一个宽桶，但我想以非常小的间隔查看这些桶，以查看更连续的条形图。

【问题讨论】：

这样一个图表的目的是什么？我之所以问，是因为即使我不知道如何使条形重叠，但可能有一种图表可以满足您的目的。
这样做的原因只是为了将 binwidth 与图表上显示的条数分离。我想要一个宽桶，但我想以非常小的间隔查看这些桶，以查看更连续的条形图。基本上它只是为了平滑可视化。

标签： r ggplot2 data-visualization bar-chart

【解决方案1】：

是的，可以使用 ggplot。试试这个ggplot(diamonds, aes(clarity, fill=cut)) + geom_bar(position=position_dodge(width=0.5))

现在解释

ggplot(diamonds, aes(clarity, fill = cut)) + geom_bar(position = "dodge")
ggplot(diamonds, aes(clarity, fill = cut)) + geom_bar(position = position_dodge(width = 0.5))

代码块中的第一个命令是默认闪避（并排显示）。第二个命令你告诉 ggplot 要“躲避”多少，使用 width 参数。玩弄宽度直到你得到你想要的。

阅读此http://docs.ggplot2.org/0.9.3.1/position_dodge.html 了解有关 position_dodge 的更多详细信息。此外，对于您关于分箱的问题，您可以提供自己的休息时间，阅读此http://docs.ggplot2.org/0.9.3.1/stat_bin.html

【讨论】：

我不相信这能解决我的问题，但我可能错了。我通过编辑进一步澄清了我的问题。

【解决方案2】：

说到极限，你正在做的是绘制一个核密度函数。在这里，我创建了一个包含 200 个随机正态观测值的向量，并使用 stat_density 绘制滚动密度：

vec <- rnorm(200)
qplot() + stat_density(aes(x=vec))

【讨论】：

谢谢，很高兴知道。我可以显示比计数更复杂的汇总统计吗？如果我有 vec2
我不知道是否可以直接完成，但您可以轻松地使用zoo::rollapply 通过向量中值的滚动窗口运行函数。因此，在这种情况下，您将绘制 rollapply(vec, width=10, var) 的结果，它将计算 vec 中所有 10 个连续点集的方差。

【解决方案3】：

最好先存储自己的数据，然后根据需要进行绘图。它会给你更多的灵活性。同意@BrodieG，rollapply() 是最简单的，例如

require(ggplot2)
require(zoo)

p_data<-data.frame(n=0:99,p=runif(100)*10)
window<-10

buckets<-data.frame(label=rollapply(p_data$n,10,function(x)paste(x[1],x[window],sep="-")))
buckets$avg<-rollapply(p_data$p,window,mean)  # mean
buckets$tot<-rollapply(p_data$p,window,sum)   # total
buckets$var<-rollapply(p_data$p,window,var)   # variance
buckets$custom<-rollapply(p_data$p,window,function(x)x[1]+x[2]+5)   # anything you like

qplot(buckets$label,buckets$avg,geom="line",group=1) +     # plot mean
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

【讨论】：