基本图形和ggplot2之间的直方图binwidth（in）一致性答案

【问题标题】：Histogram binwidth (in)consistency between base graphics and ggplot2基本图形和ggplot2之间的直方图binwidth（in）一致性
【发布时间】：2017-02-16 05:01:27
【问题描述】：

我遇到了以下场景...

以下代码生成 2 个相同的直方图：

library(ggplot2)
data("diamonds")    
ggplot(diamonds, aes(x=price)) + geom_histogram(binwidth=1000)
qplot(price, data = diamonds, binwidth = 1000)

但是，我不明白他们如何推导出左边的第一个条形图/bin，事实上，整个直方图对我来说似乎是错误的。

另一方面：

hist(diamonds$price,breaks = seq(0,20000, by=1000))

生成以下对我来说似乎正确的图表：

为了验证我运行此代码的数据：

br = seq(0,20000,by=1000)

ranges = paste(head(br,-1), br[-1], sep=" - ")
freq = hist(diamonds$price, breaks = br, include.lowest=TRUE, plot=FALSE)

data.frame(range = ranges, frequency = freq$counts)

它会产生：

           range frequency
1       0 - 1000     14524
2    1000 - 2000      9683
3    2000 - 3000      6129
4    3000 - 4000      4225
5    4000 - 5000      4665
...

那么ggplot 或qplot 中的第一个bar/bin 来自哪里？

【问题讨论】：

标签： r ggplot2 histogram

【解决方案1】：

ggplot 直方图条以 0、1000、2000 等为中心，而基本直方图条以 500、1500、2500 等为中心。要检查这一点，请将每个直方图中的条数与表计数进行比较，其中我们明确设置了休息时间。

table(cut(diamonds$price, breaks=seq(-500,20000,1000)))

(-500,500]       (500,1.5e+03]   (1.5e+03,2.5e+03]   (2.5e+03,3.5e+03]   (3.5e+03,4.5e+03] 
      1749               18261                7532                4958                4535
etc.

theme_set(theme_classic())
ggplot(diamonds, aes(x=price)) + 
  geom_histogram(binwidth=1000, fill="grey80", colour="black", lwd=0.2) +
  stat_bin(binwidth=1000, geom="text", aes(label=..count..),
           position=position_stack(vjust=0.5), size=3)

对于基础直方图：

freq = hist(diamonds$price)$counts
tab = unname(table(cut(diamonds$price, breaks=seq(0,19000,1000))))

cbind(freq, tab)

       freq   tab
 [1,] 14524 14524
 [2,]  9683  9683
 [3,]  6129  6129
 [4,]  4225  4225
 [5,]  4665  4665
 [6,]  3163  3163
 [7,]  2278  2278
 [8,]  1668  1668
 [9,]  1307  1307
[10,]  1076  1076
[11,]   934   934
[12,]   825   825
[13,]   701   701
[14,]   603   603
[15,]   504   504
[16,]   513   513
[17,]   425   425
[18,]   405   405
[19,]   312   312

要在 ggplot 直方图中获得相同的中断，除了 binwidth 之外，您还可以使用 center 参数：

ggplot(diamonds, aes(x=price)) + 
  geom_histogram(binwidth=1000, center=500, fill="grey80", colour="black", lwd=0.2) +
  stat_bin(binwidth=1000, center=500, geom="text", aes(label=..count..), 
           position=position_stack(vjust=0.5), size=3)

【讨论】：

谢谢@eipi10。但是，ggplot 似乎并不总是以第一个条形图为中心。如果我这样做：ggplot(diamonds, aes(x=price)) + geom_histogram(binwidth=500)，绘图从 0 开始（中心在 250）。这似乎不一致，这背后有什么原因吗？
当我设置 binwidth=500 时，第一个 bin 以 500 为中心，从 250 变为 750。我不确定 ggplot bin-setting 算法的工作原理，但它似乎试图如果在以零为中心的 bin 中至少有一个值，则将 bin 居中于零（给定用户选择的任何 binwidth 或默认 binwidth（根据默认的 30 个 bin 计算），否则）。