我正在寻找一种更简单的方法来在ggplot中绘制累积分布线。
我有一些数据,其直方图我可以立即显示
qplot (mydata, binwidth=1);
我在http://www.r-tutor.com/elementary-statistics/quantitative-data/cumulative-frequency-graph找到了一种方法,但它涉及几个步骤,在探索数据时耗费时间。
有没有办法在ggplot中以更直接的方式进行,类似于如何通过指定选项添加趋势线和置信区间?
答案 0 :(得分:55)
新版本的ggplot2(0.9.2.1)有一个内置的stat_ecdf()功能,可以让你很容易地绘制累积分布。
qplot(rnorm(1000), stat = "ecdf", geom = "step")
或者
df <- data.frame(x = c(rnorm(100, 0, 3), rnorm(100, 0, 10)),
g = gl(2, 100))
ggplot(df, aes(x, colour = g)) + stat_ecdf()
ggplot2文档中的代码示例。
答案 1 :(得分:24)
R中有一个内置的ecdf()
函数,可以让事情变得更容易。以下是一些示例代码,使用plyr
library(plyr)
data(iris)
## Ecdf over all species
iris.all <- summarize(iris, Sepal.Length = unique(Sepal.Length),
ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)))
ggplot(iris.all, aes(Sepal.Length, ecdf)) + geom_step()
#Ecdf within species
iris.species <- ddply(iris, .(Species), summarize,
Sepal.Length = unique(Sepal.Length),
ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)))
ggplot(iris.species, aes(Sepal.Length, ecdf, color = Species)) + geom_step()
编辑我刚才意识到你想要累积频率。您可以通过将ecdf值乘以观察总数来得到它:
iris.all <- summarize(iris, Sepal.Length = unique(Sepal.Length),
ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)) * length(Sepal.Length))
iris.species <- ddply(iris, .(Species), summarize,
Sepal.Length = unique(Sepal.Length),
ecdf = ecdf(Sepal.Length)(unique(Sepal.Length))*length(Sepal.Length))
答案 2 :(得分:21)
更容易:
qplot(unique(mydata), ecdf(mydata)(unique(mydata))*length(mydata), geom='step')