我有大约 25,000 行的数据 myData
带列attr
具有从 0 -> 45,600 的值。我不确定如何制作简化或可重复的数据...
无论如何,我正在绘制 attr
的密度像下面这样,我也找到了 attr
密度最大的值:
library(ggplot)
max <- which.max(density(myData$attr)$y)
density(myData$attr)$x[max]
ggplot(myData, aes(x=attr))+
geom_density(color="darkblue", fill="lightblue")+
geom_vline(xintercept = density(myData$attr)$x[max])+
xlab("attr")
这是我在最大点处得到的 x 截距图:
由于数据是倾斜的,然后我尝试通过添加
scale_x_log10()
以对数比例绘制 x 轴。到 ggplot
,这是新图:我现在的问题是:
1. 为什么它现在有 2 个最高分?为什么我的 x 截距不再位于最大点?
2. 如何找到 2 个新的最大点的截距?
最后,我尝试将 y 轴转换为
count
反而:ggplot(myData, aes(x=attr)) +
stat_density(aes(y=..count..), color="black", fill="blue", alpha=0.3)+
xlab("attr")+
scale_x_log10()
我得到了以下情节:
3. 我如何找到
count
2个峰?
最佳答案
为什么密度形状不同
为了将我的评论放在更完整的上下文中,ggplot 在进行密度估计之前获取日志,这会导致形状差异,因为分箱覆盖了域的不同部分。例如,
(bins <- seq(1, 10, length.out = 10))
#> [1] 1 2 3 4 5 6 7 8 9 10
(bins_log <- 10^seq(log10(1), log10(10), length.out = 10))
#> [1] 1.000000 1.291550 1.668101 2.154435 2.782559 3.593814 4.641589
#> [8] 5.994843 7.742637 10.000000
library(ggplot2)
ggplot(data.frame(x = c(bins, bins_log),
trans = rep(c('identity', 'log10'), each = 10)),
aes(x, y = trans, col = trans)) +
geom_point()
这种分箱会影响最终的密度形状。例如,比较一个未变换的密度:
d <- density(mtcars$disp)
plot(d)
到一个预先记录的:
d_log <- density(log10(mtcars$disp))
plot(d_log)
请注意,模式的高度会翻转!我相信您要的是第一个,但是在密度之后应用对数转换,即
d_x_log <- d
d_x_log$x <- log10(d_x_log$x)
plot(d_x_log)
这里的模式是相似的,只是被压缩了。
转移到 ggplot
转到 ggplot 时,要在对数转换之前进行密度估计,最容易在 ggplot 之外预先进行:
library(ggplot2)
d <- density(mtcars$disp)
ggplot(data.frame(x = d$x, y = d$y), aes(x, y)) +
geom_density(stat = "identity", fill = 'burlywood', alpha = 0.3) +
scale_x_log10()
寻找模式
当只有一个模式时,找到模式相对容易;只是
d$x[which.max(d$x)]
.但是当您有多种模式时,这还不够好,因为它只会向您显示最高的一种。一个解决方案是有效地取导数并寻找斜率从正变为负的位置。我们可以用 diff
以数字方式做到这一点。 ,而且由于我们只关心结果是正还是负,调用 sign
将所有内容都变成 -1 和 1。* 如果我们调用 diff
在此基础上,除了最大值和最小值(分别为 -2 和 2)之外,所有内容都将为 0。然后我们可以查找 which
值小于 0,我们可以使用它进行子集化。 (因为 diff
不会在末尾插入 NA
s,您必须在索引中添加一个。)总而言之,旨在处理密度对象,d <- density(mtcars$disp)
modes <- function(d){
i <- which(diff(sign(diff(d$y))) < 0) + 1
data.frame(x = d$x[i], y = d$y[i])
}
modes(d)
#> x y
#> 1 128.3295 0.003100294
#> 2 305.3759 0.002204658
d$x[which.max(d$y)] # double-check
#> [1] 128.3295
我们可以将它们添加到我们的绘图中,它们会得到很好的转换:
ggplot(data.frame(x = d$x, y = d$y), aes(x, y)) +
geom_density(stat = "identity", fill = 'mistyrose', alpha = 0.3) +
geom_vline(xintercept = modes(d)$x) +
scale_x_log10()
绘制计数而不是密度
要将 y 轴转换为计数而不是密度,请将 y 乘以观测数,该数存储在密度对象中为
n
:ggplot(data.frame(x = d$x, y = d$y * d$n), aes(x, y)) +
geom_density(stat = "identity", fill = 'thistle', alpha = 0.3) +
geom_vline(xintercept = modes(d)$x) +
scale_x_log10()
在这种情况下,它看起来有点傻,因为只有 32 个观测值分布在一个广泛的域中,但是当 n 更大、域更小时,它更易于解释:
d <- density(diamonds$carat, n = 2048)
ggplot(data.frame(x = d$x, y = d$y * d$n), aes(x, y)) +
geom_density(stat = "identity", fill = 'papayawhip', alpha = 0.3) +
geom_point(data = modes(d), aes(y = y * d$n)) +
scale_x_log10()
* 如果值正好是 0,则为 0,但这在这里不太可能,无论如何都可以正常工作。
关于R:找到密度图的最大值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58785930/