给定变量或数据列的 R 直方图密度答案

【问题标题】：R histogram plot density for a given variable or column of data给定变量或数据列的 R 直方图密度
【发布时间】：2014-10-26 20:31:23
【问题描述】：

我有一个数据集，其中有一列是年龄，一列是肺活量。如何创建显示肺活量随年龄分布的直方图？

以下是数据的示例。我实际上想比较不吸烟者和吸烟者的分布：

Caes Age Gender Smoke Height FEV

0 16 1 0 64.8 2.65

0 12 0 0 60.5 2.27

1 19 1 0 71.7 4.29

0 15 0 0 64.8 2.52

【问题讨论】：

您的问题需要更多信息才能获得好的答案。您能否描述您的数据 - 是肺还是年龄分类？您能否创建一些模拟数据并显示您尝试过的代码。

标签： r plot histogram

【解决方案1】：

当您只有一个向量（如肺活量）并且想要显示值的分布时，通常使用直方图：

library(ggplot2)
foo <- data.frame(age=runif(1000,min=10,max=50), capacity=rnorm(1000,mean=10))
ggplot(foo, aes(capacity))+geom_histogram(fill="blue")

如果你想绘制两个变量之间的关系，散点图可能是更好的选择：

ggplot(foo, aes(age, capacity))+geom_point(color="blue")

【讨论】：

【解决方案2】：

感谢您的回复。我意识到我想要一个条形图而不是直方图。这是我想出的解决方案：

smoke=read.csv("SmokingEffect.csv",header=TRUE)
smokes=subset(smoke,select=c(Age,Smoke,FEV))
library(plyr)
smokesmeans <- ddply(smokes, c("Age","Smoke"), summarize, mean=mean(FEV),
sem=sd(FEV)/sqrt(length(FEV)))
smokesmeans <- transform(smokesmeans, lower=mean-sem, upper=mean+sem)
smokesmeans[,2] <- sapply(smokesmeans[,2], as.character)
library(ggplot2)
plotation <- qplot(x=Age, y=mean, fill=Smoke, data=smokesmeans, 
geom="bar",stat="identity",position="dodge",main="distribution of FEV",
ylab="mean FEV")
plotation <- plotation + geom_errorbar(aes(ymax=upper,
ymin=lower), position=position_dodge(0.9), data=smokesmeans)
png(myplot.png)
plotation
dev.off()

输出如下：

【讨论】：