解释R中的密度图

Question

我有一个几天的年龄列表，我希望在密度图上显示它们多年。

我这样做了两种方法 - 将x轴上的标签更改为年，并将数据除以365.这些方法给出了不同的密度估算值：

df <- data.frame(id = 1:80000, age = rnorm(80000, 46, 5) * 365)

第一张图使用以下方式生成：

breaks <- seq(from = min(df$age), to = max(df$age), by = 10*365)
ggplot(data = df, aes(x = age)) + 
    geom_density(aes(y = ..density..)) + 
    scale_x_continuous(breaks= breaks, labels = floor(breaks/365))

y轴上显示的密度范围为0至0.0002

当我这样做时（将年龄除以365以获得年数 - 不仅仅是更改上面的x标签）：

ggplot(data = df, aes(x = age/365)) + 
    geom_density(aes(y = ..density..))

图表看起来相同，但密度范围为0到0.08 我正在努力了解发生了什么 - 为什么两个地块之间的密度不同？

Answer 1

两个图中的密度不同，因为在一种情况下，水平单位是365倍，所以垂直单位需要是另一个图的1/355，因为概率密度函数（下面的区域）这些曲线）必须总和为一。

从容器而不是密度曲线来看，这更容易考虑。如果你有一个垃圾箱替换365个垃圾箱，那么一个垃圾箱的着陆概率远远高于个别垃圾箱的平均降落概率。

对于您提供的特定样本数据，我们可以通过查看两个函数的峰值来查看垂直单位之间的转换：

> max(density(df$age)$y) # max of density in days, more horizontal units
[1] 0.0002178977
> df$ageinyears <- df$age/365 # create an age-in-years variable
> max(density(df$ageinyears)$y) # max density in years, fewer horizontals
[1] 0.07953267
> max(density(df$age)$y)*365 
[1] 0.07953267

这是绘图中的一个问题的实际原因（可能是你问题的主要推力）是估计ggplot密度的函数是从父aes（）继承x参数。所以它对你正在使用的自定义x轴一无所知。您可以明确告诉geom_density不要使用继承的x值，而不是仅仅更改第一个图中的x轴：

ggplot(data = df, aes(x = age)) + 
    geom_density(aes(x = age/365, y = ..density..))

Answer 2

最好的建议是忽略y轴上的刻度标签，它们对解释密度图没有任何帮助，而且你所看到的更容易混淆而不是帮助。

我的偏好是密度图，直方图和任何类似图的默认行为，不标记y轴刻度标记，因为它们通常没有任何意义，只会分散注意图的重要部分并经常造成混乱。即使它们被缩放到意图有意义的值，它们也无助于绘图的主要目的，并且仍然可能引起混淆（我改变了直方图中的箱数，现在我的y-tick标签非常不同，恐慌！恐慌！）。不幸的是，在策划它们时存在很大的惯性，以至于我不可能改变它。