r - 制作 ggplot2 将密度直方图绘制为线条

Question

我有一个关于我在 3 个网站(比如 OpenTable、Yelp、TripAdvisor)上收集的评分的简单表格。评级从 1 到 5，因此评级是一个因素列，网站是另一个因素列(仅允许 3 个值)。我只有这样的两列和我所有的观察结果。该结构是一个名为 all 的数据框，包含上述列。示例:

Website           Rating
_________________________
Yelp                 1
TripAdvisor          2
Yelp                 3
OpenTable            2

我想做的是绘制彩色密度图。

我的问题看起来与此线程中发布的问题完全相同:Create a density plot with ggplot2 using a factor

但是，该解决方案对我不起作用。我尝试通过使用

替换我的变量名称

ggplot(全部，aes(评级，颜色=网站，组=网站)) + geom_密度()

但是它不起作用。我没有给我插值曲线，而是得到:

在我看来，我与链接线程中的OP具有相同的数据结构:一个数据框(all)，带有两个因子列(website和评级)。

> mode(all)
[1] "list"
> head(all$website)
[1] TripAdvisor TripAdvisor TripAdvisor TripAdvisor TripAdvisor TripAdvisor
Levels: TripAdvisor OpenTable Yelp
> head(all$rating)
[1] 1 2 1 4 5 2
Levels: 1 2 3 4 5

我的问题是:为什么我的行为不同？我该怎么做才能获得相同的情节？作为奖励/不同的解决方案，我还会尝试用直线插值我的点，而不是使用更复杂的内核，但我需要保持密度，因为我对一个网站的观察结果比其他两个网站的观察结果加起来要多得多。

数据样本:

> dput(all[sample(nrow(all), 200),])
structure(list(website = structure(c(3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 1L, 
3L, 3L, 1L, 3L, 2L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 
2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 1L, 3L, 2L, 3L, 3L, 3L, 3L, 3L, 
2L, 3L, 3L, 3L, 1L, 3L, 1L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 1L, 3L, 
3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L, 
1L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 
3L, 3L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 2L, 1L, 3L, 3L, 3L, 
1L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 
3L, 3L, 3L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 1L, 2L, 3L, 1L, 3L, 3L, 
3L, 3L), .Label = c("TripAdvisor", "OpenTable", "Yelp"), class = "factor"), 
    rating = c(2, 4, 5, 3, 5, 3, 2, 4, 4, 5, 5, 2, 5, 5, 4, 2, 
    5, 4, 5, 5, 4, 4, 3, 5, 3, 2, 4, 4, 4, 2, 4, 5, 3, 4, 5, 
    4, 4, 3, 5, 4, 5, 2, 5, 5, 4, 3, 1, 5, 5, 5, 5, 2, 4, 1, 
    1, 4, 4, 4, 3, 1, 5, 4, 4, 5, 4, 4, 5, 4, 1, 1, 3, 4, 5, 
    5, 5, 4, 5, 2, 3, 4, 2, 4, 4, 4, 3, 2, 4, 4, 4, 4, 5, 4, 
    5, 3, 1, 5, 2, 3, 5, 1, 5, 4, 4, 5, 5, 4, 4, 4, 4, 5, 4, 
    4, 4, 3, 3, 5, 2, 4, 3, 5, 3, 3, 3, 5, 4, 1, 3, 3, 5, 4, 
    4, 2, 2, 4, 3, 2, 5, 5, 5, 4, 5, 1, 2, 5, 2, 4, 2, 5, 3, 
    4, 4, 3, 4, 5, 3, 3, 5, 4, 2, 4, 5, 4, 1, 4, 5, 1, 5, 1, 
    2, 5, 3, 3, 4, 5, 4, 4, 3, 3, 4, 4, 3, 3, 4, 3, 4, 3, 4, 
    5, 3, 2, 5, 3, 4, 4, 1, 5, 4, 3, 5, 3)), .Names = c("website", 
"rating"), row.names = c(2736944L, 3701156L, 4217688L, 5350640L, 
3600261L, 2944052L, 3522393L, 5443298L, 3965562L, 490821L, 4706825L, 
1694078L, 3395609L, 2220568L, 2886121L, 4329867L, 3414341L, 4911507L, 
2629607L, 2547491L, 5254750L, 5089579L, 922864L, 643065L, 1797579L, 
782480L, 686194L, 5035633L, 998745L, 553929L, 888404L, 730158L, 
4357257L, 1824206L, 4941425L, 2910113L, 2006209L, 643302L, 1534660L, 
3489947L, 202175L, 2483374L, 820339L, 3411547L, 4792406L, 1379214L, 
3900503L, 1000939L, 3823518L, 5340233L, 1330743L, 5333146L, 3638755L, 
2445636L, 1057389L, 5092709L, 5092040L, 3841598L, 3739264L, 1482807L, 
1314908L, 2522682L, 1757427L, 723017L, 4809829L, 4636027L, 1728575L, 
2974897L, 3485658L, 2592565L, 3207974L, 2721825L, 4295506L, 4953206L, 
3325724L, 4706765L, 455090L, 5386094L, 612504L, 3483673L, 881132L, 
1715784L, 4478951L, 1995026L, 1640553L, 4213693L, 925338L, 4541407L, 
3602299L, 5233082L, 727017L, 4954392L, 270757L, 3436121L, 3793314L, 
824985L, 1558576L, 3659425L, 2131835L, 1721671L, 32696L, 3405602L, 
2736827L, 4403647L, 2171731L, 2954043L, 976434L, 3680791L, 30799L, 
4833704L, 3895171L, 4469617L, 2517017L, 4236947L, 733711L, 1480361L, 
255671L, 4847331L, 355851L, 2933805L, 5470569L, 3045714L, 3423394L, 
475428L, 4460007L, 4668961L, 1560070L, 3314368L, 2150067L, 4480758L, 
781676L, 3659111L, 4799721L, 3509779L, 5320687L, 5179115L, 852931L, 
4141898L, 4768793L, 1356381L, 3881247L, 1685112L, 2232222L, 315374L, 
1721551L, 1464571L, 2472040L, 3198238L, 4719488L, 2763751L, 2999152L, 
2042160L, 1374928L, 1703496L, 1805583L, 5192311L, 3558389L, 925026L, 
5497787L, 2464617L, 1850617L, 1047932L, 186007L, 3168546L, 1433736L, 
1548105L, 5450L, 5288180L, 2476807L, 997242L, 4693332L, 5107109L, 
3338800L, 2722363L, 58422L, 3408902L, 4537803L, 2780976L, 2129998L, 
376274L, 1773109L, 5138810L, 2364642L, 1087043L, 3318862L, 1567254L, 
418564L, 726387L, 4128160L, 4669905L, 1194602L, 2315020L, 211234L, 
818018L, 3378122L, 462827L, 1516313L, 3120210L, 4257323L, 5214034L
), class = "data.frame")

Answer 1

正如 @joran 在他的评论中指出的那样，这一切似乎都是带宽问题。如果我用低带宽绘制示例数据，它看起来就像您提供的图像:

ggplot(all, aes(rating, colour=website, group=website)) + geom_density(adjust=0.1)

但是对于高带宽，情况似乎完全不同:

ggplot(all, aes(rating, colour=website, group=website)) + geom_density(adjust=2)

如果您只想绘制与线连接的相对频率，我认为您必须事先计算它们。例如:

all.prop <- data.frame(prop.table(table(website=all$website, rating=all$rating),1))
ggplot(all.prop, aes(x=rating, y=Freq)) + geom_line(aes(group=website, color=website))