让 ggplot2 直方图在 y 轴上显示分类百分比

Question

library(ggplot2)
data = diamonds[, c('carat', 'color')]
data = data[data$color %in% c('D', 'E'), ]

我想比较颜色 D 和 E 的克拉直方图，并在 y 轴上使用分类百分比。我尝试过的解决方案如下：

解决方案 1：

ggplot(data=data, aes(carat, fill=color)) +  geom_bar(aes(y=..density..), position='dodge', binwidth = 0.5) + ylab("Percentage") +xlab("Carat")

这不太正确，因为 y 轴显示了估计密度的高度。

解决方案2：

 ggplot(data=data, aes(carat, fill=color)) +  geom_histogram(aes(y=(..count..)/sum(..count..)), position='dodge', binwidth = 0.5) + ylab("Percentage") +xlab("Carat")

这也不是我想要的，因为在y轴上用来计算比率的分母是D+E的总数。

有没有办法用 ggplot2 的堆叠直方图显示分类百分比？也就是说，不是在 y 轴上显示 (# of obs in bin)/count(D+E)，我希望它显示 (# of obs in bin)/count(D) 和 (# of obs in bin) /count(E) 分别用于两个颜色类别。谢谢。

Answer 1

您可以使用..group.. 特殊变量对..count.. 向量进行子集化，从而按组对它们进行缩放。由于所有的点，它很丑陋，但它就在这里

ggplot(data, aes(carat, fill=color)) +
  geom_histogram(aes(y=c(..count..[..group..==1]/sum(..count..[..group..==1]),
                         ..count..[..group..==2]/sum(..count..[..group..==2]))*100),
                 position='dodge', binwidth=0.5) +
  ylab("Percentage") + xlab("Carat")

Answer 2

似乎在 ggplot2 之外对数据进行分箱是可行的方法。但我仍然很想看看是否有办法用 ggplot2 来做。

library(dplyr)
breaks = seq(0,4,0.5)

data$carat_cut = cut(data$carat, breaks = breaks)

data_cut = data %>%
  group_by(color, carat_cut) %>%
  summarise (n = n()) %>%
  mutate(freq = n / sum(n))

ggplot(data=data_cut, aes(x = carat_cut, y=freq*100, fill=color)) + geom_bar(stat="identity",position="dodge") + scale_x_discrete(labels = breaks) +  ylab("Percentage") +xlab("Carat")

Answer 3

幸运的是，就我而言，罗夏的答案非常有效。我在这里是为了避免使用 Megan Halbrook 提出的解决方案，直到我意识到它不是一个正确的解决方案。

在直方图中添加一条密度线会自动将 y 轴更改为频率密度，而不是百分比。只有当 binwidth = 1 时，频率密度的值才等同于百分比。

谷歌搜索：要绘制直方图，首先要找到每个类别的类宽度。条形的面积代表频率，因此要找到条形的高度，请将频率除以类宽度。这称为频率密度。 https://www.bbc.co.uk/bitesize/guides/zc7sb82/revision/9

下面是一个示例，其中左侧面板显示百分比，右侧面板显示 y 轴的密度。

library(ggplot2)
library(gridExtra)

TABLE <- data.frame(vari = c(0,1,1,2,3,3,3,4,4,4,5,5,6,7,7,8))

## selected binwidth
bw <- 2

## plot using count
plot_count <- ggplot(TABLE, aes(x = vari)) + 
   geom_histogram(aes(y = ..count../sum(..count..)*100), binwidth = bw, col =1) 
## plot using density
plot_density <- ggplot(TABLE, aes(x = vari)) + 
   geom_histogram(aes(y = ..density..), binwidth = bw, col = 1)

## visualize together
grid.arrange(ncol = 2, grobs = list(plot_count,plot_density))

## visualize the values
data_count <- ggplot_build(plot_count)
data_density <- ggplot_build(plot_density)

## using ..count../sum(..count..) the values of the y axis are the same as 
## density * bindwidth * 100. This is because density shows the "frequency density".
data_count$data[[1]]$y == data_count$data[[1]]$density*bw * 100
## using ..density.. the values of the y axis are the "frequency densities".
data_density$data[[1]]$y == data_density$data[[1]]$density


## manually calculated percentage for each range of the histogram. Note 
## geom_histogram use right-closed intervals.
min_range_of_intervals <- data_count$data[[1]]$xmin

for(i in min_range_of_intervals)
  cat(paste("Values >",i,"and <=",i+bw,"involve a percent of",
            sum(TABLE$vari>i & TABLE$vari<=(i+bw))/nrow(TABLE)*100),"\n")

# Values > -1 and <= 1 involve a percent of 18.75 
# Values > 1 and <= 3 involve a percent of 25 
# Values > 3 and <= 5 involve a percent of 31.25 
# Values > 5 and <= 7 involve a percent of 18.75 
# Values > 7 and <= 9 involve a percent of 6.25 

Answer 4

当我尝试 Rorschach 的答案时，由于不太明显的原因，它对我不起作用，但我想评论说，如果你愿意在直方图中添加密度线，一旦你这样做，它会自动改变y 轴到百分比。

例如，我有一个二进制结果 (0,1) 的“剂量”计数

此代码生成以下图表：

ggplot(data, aes(x=siadoses, fill=recallbin, color=recallbin)) +
  geom_histogram(binwidth=1, alpha=.5, position='identity') 

但是当我在我的 ggplot 代码中包含一个密度图并添加 y=..density.. 时，我得到了这个带有 Y 百分比的图

ggplot(data, aes(x=siadoses, fill=recallbin, color=recallbin)) +
  geom_histogram(aes(y=..density..), binwidth=1, alpha=.5, position='identity') +
  geom_density(alpha=.2)

一种解决您最初问题的方法，但我想我会分享。