直方图
- 一维连续型分布：直方图
- 注意调试binwidth/bins/breaks(组间距离/组数/切分位置)
ggplot(diamonds,aes(depth))+
geom_histogram()
image.png
#调整binwidth(组距宽度)/bins(组数)/breaks(切分位置)
ggplot(diamonds,aes(depth))+
geom_histogram(binwidth = 0.1)+
xlim(55,70)
image.png
如何比较不同组间数据分布的差异？
answer1:绘制多个小直方图[facet_wrap(~var)]
answer2: 绘制频数多边形并以颜色作为分类[geom_freqpoly()]
anser3:绘制条件密度图[geom_histogram(position="fill)]
分面多个小直方图
ggplot(diamonds,aes(depth))+
geom_histogram(binwidth = 0.1)+
facet_wrap(~cut)
image.png
频数多边形
#错误代码
ggplot(diamonds,aes(depth))+
geom_histogram(binwidth = 0.1)+
geom_freqpoly(aes(colour=cut))
image.png
#正确代码
ggplot(diamonds,aes(depth))+
geom_freqpoly(aes(colour=cut),binwidth=0.1,na.rm = T)+
xlim(58,68)+
theme(legend.position = "none")
image.png
条件密度图
ggplot(diamonds,aes(depth))+
geom_histogram(aes(fill=cut),binwidth=0.1,position = "fill",na.rm = T)+
xlim(58,68)+
theme(legend.position = "none")
image.png
直方图和频数多边形使用stat="bin"统计变换，此统计变换生成两个输出变量：count和density。默认将count作为y轴
- density基本上等于各组频数除以总频数再乘以组距，此变量在需要比较不同分布的形状而非绝对大小时比较有用
密度估计geom_density()：对每个数据点天上一点整他分布然后把所有曲线累加起来？
- 仅在已知潜在的密度分布为平滑、连续且无界线的时候使用密度曲线图，可使用adjust参数调整所得密度曲线的平滑程度
ggplot(diamonds,aes(depth))+
geom_density(na.rm = T)+
xlim(58,86)+
theme(legend.position = "none")
image.png
ggplot(diamonds,aes(depth))+
geom_density(aes(fill=cut),na.rm = T)+
xlim(58,86)+
theme(legend.position = "none")
image.png
ggplot(diamonds,aes(depth))+
geom_density(aes(fill=cut,colour=cut),na.rm = T)+
xlim(58,86)+
theme(legend.position = "none")
image.png
ggplot(diamonds,aes(depth,fill=cut,colour=cut))+
geom_density(alpha=0.2,na.rm = T)+
xlim(58,86)+
theme(legend.position = "none")
image.png
每一条密度曲线下的面积都已经标准化为1，因此损失了有关个各子集间相对大小的信息
- 箱线图如何处理连续性变量？
ggplot(diamonds,aes(carat,depth))+geom_boxplot()
image.png
- 解决之道 ： cut_width
ggplot(diamonds,aes(carat,depth))+
geom_boxplot(aes(group=cut_width(carat,0.1)))+
xlim(NA,2.05)
image.png
