8.5 数据分布型图

8.5.1 频数直方图(histogram)

认识频数直方图

频数直方图是用于表示数据分布情况的常见统计图，一般用横轴表示数据区间，纵轴表示分布情况，柱子越高，则落在该区间的数量越大。根据数据分布状况不同，直方图展示的数据有不同的模式，包括对称单峰、偏左单峰、偏右单峰、双峰、多峰以及对称多峰。

频数直方图的基本参数：
（1）组数：在统计数据时，我们把数据按照不同的范围分成几个组，组的个数称为组数。

（2）组距：每一组两个端点的差。

（3）频数：分组内的数据元的数量除以组距。

频数直方图统计过程：

首先要从数据中找出它的最大值和最小值，然后确定一个区间，使其包含全部测量数据，将区间分成若干小区间，统计测量结果出现在各小区间的频数M，以测量数据为横坐标，以频数M为纵坐标，划出各小区间及其对应的频数。在平面直角坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，我们也称这样的统计直方图为频数分布直方图。

频数直方图的作用：

- 能够显示各组频数或数量分布的情况。 

- 易于显示各组之间频数或数量的差别。通过统计直方图还可以观察和估计哪些数据比较集中，异常或者孤立的数据分布在何处。

绘制频数直方图

在ggplot2中绘制频数直方图的函数是geom_histogram和qplot，默认情况下，数据被分为30组，可通过参数binwidth调节组距，bins改变分组数。

data1 %>% ggplot(aes(x = v1)) +  geom_histogram() # 简单频数直方图。

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

qplot(data1$v1) # 这等价于上面的geom_histogram。

## Warning: `qplot()` was deprecated in ggplot2 3.4.0.

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

data1 %>% ggplot(aes(x = v1)) +  geom_histogram(bins = 60) # 组数调节，ggplot2默认组数为30。

data1 %>% ggplot(aes(x = v1)) +  geom_histogram(binwidth = 0.1) # 组距调节，binwidth用于调节组距。

data1 %>% ggplot(aes(x = v1)) +  geom_histogram(binwidth = 0.01) # 组距调节，binwidth用于调节组距。

data1 %>% ggplot(aes(x = v1)) +   geom_histogram(fill = "white", colour = "black") # 改变填充色和边框色。

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

data1 %>% ggplot(aes(x = v1)) +   geom_histogram(fill = "white", colour = "black", binwidth = 0.01) # 改变填充色和边框色。

data1 %>% ggplot(aes(x = v1)) + 
  geom_histogram(fill = "white", colour = "black", binwidth = 0.01) +   facet_wrap(~ nitrogen) # 多组数据分面直方图绘制。

data1 %>% ggplot(aes(x = v1, fill = nitrogen)) +   geom_histogram(position = "identity", colour = "black", binwidth = 0.01) # 多分组映射直方图。

参考资料

本文使用 文章同步助手 同步