使用ggplot2从已汇总的计数中叠加直方图

Question

我想帮助着色从已经汇总的计数数据生成的ggplot2直方图。

这些数据类似于生活在许多不同领域的＃males和#females。可以很容易地绘制直方图的总计数（即男性+女性）：

set.seed(1)
N=100;
X=data.frame(C1=rnbinom(N,15,0.1), C2=rnbinom(N,15,0.1),C=rep(0,N)); 
X$C=X$C1+X$C2;
ggplot(X,aes(x=C)) + geom_histogram()

但是，我想根据C1和C2的相对贡献对每个条形图进行着色，这样我就可以得到与上例相同的直方图（即整体条形高度），加上我看到类型的比例“ C1“和”C2“个体，如堆积条形图。

建议使用ggplot2以干净的方式执行此操作，在示例中使用“X”这样的数据？

Answer 1

很快，您可以使用stat="identity"选项和plyr包来执行OP想要的操作来手动计算直方图，如下所示：

library(plyr)

X$mid <- floor(X$C/20)*20+10
X_plot <- ddply(X, .(mid), summarize, total=length(C), split=sum(C1)/sum(C)*length(C))

ggplot(data=X_plot) + geom_histogram(aes(x=mid, y=total), fill="blue", stat="identity") + geom_histogram(aes(x=mid, y=split), fill="deeppink", stat="identity")

我们基本上只是制作一个'mids'列，用于如何定位列，然后制作两个图：一个用于计算总数（C），另一个用列调整到其中一个列的计数（C1 ）。您应该可以从这里进行自定义。

更新1 ：我意识到我在计算中的时候犯了一个小错误。现在修复了。另外，我不知道为什么我用'ddply'语句来计算中频。那太傻了。新代码更清晰，更简洁。

更新2 ：我回来查看评论并注意到一些有些可怕的事情：我使用总和作为直方图频率。我已经清理了一些代码并添加了有关着色语法的注释中的建议。

Answer 2

这是使用ggplot_build的黑客攻击。我们的想法是首先得到您原来/原始的情节：

p <- ggplot(data = X, aes(x=C)) + geom_histogram()

存储在p中。然后，使用ggplot_build(p)$data[[1]]提取数据，特别是列xmin和xmax（以获得直方图的相同中断/ binwidth）和count列（以规范化百分比count。这是代码：

# get old plot
p <- ggplot(data = X, aes(x=C)) + geom_histogram()
# get data of old plot: cols = count, xmin and xmax
d <- ggplot_build(p)$data[[1]][c("count", "xmin", "xmax")]
# add a id colum for ddply
d$id <- seq(nrow(d))

现在如何生成数据？我从你的帖子中了解到的是这一点。以你的情节中的第一个条形为例。它的计数为2，从xmin = 147延伸到xmax = 156.8。当我们检查X这些值时：

X[X$C >= 147 & X$C <= 156.8, ] # count = 2 as shown below
#    C1 C2   C
# 19 91 63 154
# 75 86 70 156

在此，我计算(91+86)/(154+156)*(count=2) = 1.141935和(63+70)/(154+156) * (count=2) = 0.8580645作为我们将生成的每个条形的两个标准化值。

require(plyr)
dd <- ddply(d, .(id), function(x) {
    t <- X[X$C >= x$xmin & X$C <= x$xmax, ]
    if(nrow(t) == 0) return(c(0,0))
    p <- colSums(t)[1:2]/colSums(t)[3] * x$count
})

# then, it just normal plotting
require(reshape2)
dd <- melt(dd, id.var="id")
ggplot(data = dd, aes(x=id, y=value)) + 
      geom_bar(aes(fill=variable), stat="identity", group=1)

这是最初的情节：

这就是我得到的：

编辑：如果您还想让休息时间正确，那么您可以从旧图中获取相应的x坐标，并在此处使用，而不是id ：

p <- ggplot(data = X, aes(x=C)) + geom_histogram()
d <- ggplot_build(p)$data[[1]][c("count", "x", "xmin", "xmax")]
d$id <- seq(nrow(d))

require(plyr)
dd <- ddply(d, .(id), function(x) {
    t <- X[X$C >= x$xmin & X$C <= x$xmax, ]
    if(nrow(t) == 0) return(c(x$x,0,0))
    p <- c(x=x$x, colSums(t)[1:2]/colSums(t)[3] * x$count)
})

require(reshape2)
dd.m <- melt(dd, id.var="V1", measure.var=c("V2", "V3"))
ggplot(data = dd.m, aes(x=V1, y=value)) + 
      geom_bar(aes(fill=variable), stat="identity", group=1)

Answer 3

怎么样：

library("reshape2")
mm <- melt(X[,1:2])
ggplot(mm,aes(x=value,fill=variable))+geom_histogram(position="stack")