代码之家 › 专栏 › 技术社区 › Denver Dang

叠加两个ggplot facet\u包裹直方图

histogram ggplot2 r

4

Denver Dang · 技术社区 · 8 年前

所以我有两个直方图,我可以一次绘制一个。使用以下代码的结果给出了六个不同直方图的2行x 3列刻面图:

ggplot(data) +
    aes(x=values) +
    geom_histogram(binwidth=2, fill='blue', alpha=0.3, color="black", aes(y=(..count..)*100/(sum(..count..)/6))) +
    facet_wrap(~ model_f, ncol = 3)

这里是 aes(y...) 只给出百分比而不是计数。

如前所述,我有6个facet\u包裹图中的两个,我现在将其结合起来,以表明一个比另一个偏移更多。此外,数据大小不同,因此对于其中一个,我有:

# A tibble: 5,988 x 5
   values ID   structure   model   model_f
   <dbl> <chr>     <chr>   <chr>    <fctr>
 1     6     1    bone       qua   Model I
 2     7     1    bone       liu  Model II
 3    20     1    bone       dav Model III
 4     3     1    bone       ema  Model IV
 5     3     1    bone       tho   Model V
 6     4     1    bone      ranc  Model VI
 7     3     2    bone       qua   Model I
 8     5     2    bone       liu  Model II
 9    18     2    bone       dav Model III
10     2     2    bone       ema  Model IV
# ... with 5,978 more rows

另一方面:

# A tibble: 954 x 5
    values  ID structure   model   model_f
   <dbl>  <chr>     <chr>   <chr>    <fctr>
 1     9     01    bone       qua   Model I
 2     8     01    bone       liu  Model II
 3    22     01    bone       dav Model III
 4     6     01    bone       ema  Model IV
 5     5     01    bone       tho   Model V
 6     9     01    bone       ran  Model VI
 7    12     02    bone       qua   Model I
 8    11     02    bone       liu  Model II
 9    24     02    bone       dav Model III
10     9     02    bone       ema  Model IV
# ... with 944 more rows

因此,它们的大小不同,ID也不同(数据不相关),但我仍然希望合并直方图,以查看数据之间的差异。

我想这可能会奏效:

ggplot() +
    geom_histogram(data=data1, aes(x=values), binwidth=1, fill='blue', alpha=0.3, color="black", aes(y=(..count..)*100/(sum(..count..)/6))) +
    geom_histogram(data=data2, aes(x=values), binwidth=1, fill='blue', alpha=0.3, color="black", aes(y=(..count..)*100/(sum(..count..)/6))) +
    facet_wrap(~ model_f, ncol = 3)

然而,这并没有起到多大作用。

所以现在我被困住了。这是可能的,还是。。。?

1 回复 | 直到 8 年前

1

4

Mark Peterson 8 年前

这是我基于内置数据集对此的破解 iris (因为您没有提供可复制的数据)。为了创建较小的移位数据集,我使用 dplyr 为了保留每个物种的前20行,并在每次观察的萼片长度上增加1行:

smallIris <-
  iris %>%
  group_by(Species) %>%
  slice(1:20) %>%
  ungroup() %>%
  mutate(Sepal.Length = Sepal.Length + 1)

最后的代码很接近,但没有为两个直方图指定不同的颜色。如果您设置 fill 不同的是,你会让他们以不同的方式出现。您可以直接设置此选项(例如,将其中一个选项中的“蓝色”更改为“红色”),也可以在中设置名称 aes . 将其设置为 aes公司 具有创建(和标记)图例的优势:

ggplot() +
  geom_histogram(data=iris
                 , aes(x=Sepal.Length
                       , fill = "Big"
                       , y=(..count..)*100/(sum(..count..)))
                 , alpha=0.3) +
  geom_histogram(data=smallIris
                 , aes(x=Sepal.Length
                       , fill = "Small"
                       , y=(..count..)*100/(sum(..count..)))
                 , alpha=0.3) +
  facet_wrap(~Species)

创建此项:

然而,我不喜欢重叠直方图的外观,所以我更喜欢使用密度图。你可以像上面那样做(只需更改 geom_histogram ),但我认为通过堆叠数据,您可以获得更多的控制(以及将其扩展到两个以上组的能力)。同样,这使用 dplyr 要将两个数据集缝合在一起:

bigIris <-
  bind_rows(
    small = smallIris
    , big = iris
    , .id = "Source"
  )

然后,您可以相对轻松地创建绘图:

bigIris %>%
  ggplot(aes(x = Sepal.Length, col = Source)) +
  geom_line(stat = "density") +
  facet_wrap(~Species)

创建: