Question

我正在使用ggplot 2.1.0来绘制直方图，我对直方图箱有意想不到的行为。我在这里给出了一个左闭合箱的例子（即[0,0.1 []，其宽度为0.1。

mydf <- data.frame(myvar=c(-1,-0.5,-0.4,-0.1,-0.1,0.05,0.1,0.1,0.25,0.5,1))
myplot <- ggplot(mydf, aes(myvar)) + geom_histogram(aes(y=..count..),binwidth = 0.1, boundary=0.1,closed="left")
myplot
ggplot_build(myplot)$data[[1]]

在这个例子中，人们可能期望值-0.4在bin [-0.4，-0.3 [，但它在（[神秘地]）在bin [-0.5，-0.4 [。值-0.1的值相同，它落在[-0.2，-0.1 [而不是[-0.1,0 [... etc。

]

这里有什么东西我不完全理解（尤其是新的“中心”和“边界”参数）？或者ggplot2在那里做了奇怪的事情？

提前致谢，最好的祝福，阿诺

PS：此处也问过：https://github.com/hadley/ggplot2/issues/1651

Answer 1

修改：最近发布的ggplot2版本修复了下述问题。

您的问题是可重现的，似乎是由舍入错误引起的，正如Roland的评论所示。在这一点上，这看起来像版本ggplot2_2.0.0中引入的错误。我在下面推测它的起源，但首先让我提出一个基于boundary选项的解决方法。

<强>问题：

df <- data.frame(var = seq(-100,100,10)/100)
as.list(df) # check the data
$var
 [1] -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2
[10] -0.1  0.0  0.1  0.2  0.3  0.4  0.5  0.6  0.7
[19]  0.8  0.9  1.0
library("ggplot2")
p <- ggplot(data = df, aes(x = var)) + 
    geom_histogram(aes(y = ..count..), 
        binwidth = 0.1, 
        boundary = 0.1, 
        closed = "left")
p

解决方案

调整boundary参数。在这个例子中，设置低于1，比如0.99，可以工作。您的用例也应该适合调整。

ggplot(data = df, aes(x = var)) + 
    geom_histogram(aes(y = ..count..), 
        binwidth = 0.05, 
        boundary = 0.99, 
        closed = "left")

（为了更好的视觉效果，我使binwidth更窄）

另一种解决方法是引入自己的模糊性，例如：将数据乘以1加略小于机器零点（参见下面的eps）。在ggplot2中，模糊性乘以1e-7（早期版本）或1e-8（更高版本）。

原因：

问题在ncount：

中清晰显示

str(ggplot_build(p)$data[[1]])
##  'data.frame':   20 obs. of  17 variables:
##   $ y       : num  1 1 1 1 1 2 1 1 1 0 ...
##   $ count   : num  1 1 1 1 1 2 1 1 1 0 ...
##   $ x       : num  -0.95 -0.85 -0.75 -0.65 -0.55 -0.45 -0.35 -0.25 -0.15 -0.05 ...
##   $ xmin    : num  -1 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 ...
##   $ xmax    : num  -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 ...
##   $ density : num  0.476 0.476 0.476 0.476 0.476 ...
##   $ ncount  : num  0.5 0.5 0.5 0.5 0.5 1 0.5 0.5 0.5 0 ...
##   $ ndensity: num  1.05 1.05 1.05 1.05 1.05 2.1 1.05 1.05 1.05 0 ...
##   $ PANEL   : int  1 1 1 1 1 1 1 1 1 1 ...
##   $ group   : int  -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
##   $ ymin    : num  0 0 0 0 0 0 0 0 0 0 ...
##   $ ymax    : num  1 1 1 1 1 2 1 1 1 0 ...
##   $ colour  : logi  NA NA NA NA NA NA ...
##   $ fill    : chr  "grey35" "grey35" "grey35" "grey35" ...
##   $ size    : num  0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 ...
##   $ linetype: num  1 1 1 1 1 1 1 1 1 1 ...
##   $ alpha   : logi  NA NA NA NA NA NA ...

ggplot_build(p)$data[[1]]$ncount
##  [1] 0.5 0.5 0.5 0.5 0.5 1.0 0.5 0.5 0.5 0.0 1.0 0.5
## [13] 0.5 0.5 0.0 1.0 0.5 0.0 1.0 0.5

ROUNDING ERRORS？

看起来像：

    df <- data.frame(var = as.integer(seq(-100,100,10)))
# eps <- 1.000000000000001 # on my system
eps <- 1+10*.Machine$double.eps
p <- ggplot(data = df, aes(x = eps*var/100)) + 
    geom_histogram(aes(y = ..count..), 
                   binwidth = 0.05, 
                   closed = "left")
p

（我已完全删除了boundary选项）

此行为出现在ggplot2_1.0.1之后的某个时间。查看源代码，例如bin.R中的stat-bin.r和https://github.com/hadley/ggplot2/blob/master/R以及跟踪count的计算会导致函数bin_vector()，其中包含以下几行：

bin_vector <- function(x, bins, weight = NULL, pad = FALSE) {
 ... STUFF HERE I HAVE DELETED FOR CLARITY ...
cut(x, bins$breaks, right = bins$right_closed,
include.lowest = TRUE)
... STUFF HERE I HAVE DELETED FOR CLARITY ...
}

通过将这些功能的当前版本与旧版本进行比较，您应该能够找到不同行为的原因......继续......

加强调试

通过"patching" bin_vector功能并将输出打印到屏幕，显示：

bins$fuzzy正确存储模糊参数
计算中使用非模糊bins$breaks，但据我所知（如果我错了，请纠正我）bins$fuzzy不是。< / p>
如果我只是将bins$breaks替换为bins$fuzzy顶部的bin_vector，则会返回正确的图表。不是错误的证明，而是建议可能可以采取更多措施来模拟先前版本ggplot2的行为。
在bin_vector的顶部，我希望找到一个可以返回bins$breaks或bins$fuzzy的条件。我认为现在不见了。

<强>修补剂

要"patch" bin_vector函数，请从github源复制函数定义，或者更方便地从终端复制函数定义：

 ggplot2:::bin_vector

修改它（修补它）并将其分配到命名空间：

library("ggplot2")
bin_vector <- function (x, bins, weight = NULL, pad = FALSE) 
{
... STUFF HERE I HAVE DELETED FOR CLARITY ...
## MY PATCH: Replace bins$breaks with bins$fuzzy
bin_idx <- cut(x, bins$fuzzy, right = bins$right_closed,
include.lowest = TRUE)
... STUFF HERE I HAVE DELETED FOR CLARITY ...
ggplot2:::bin_out(bin_count, bin_x, bin_widths)
## THIS IS THE PATCHED FUNCTION
}
assignInNamespace("bin_vector", bin_vector, ns = "ggplot2")
df <- data.frame(var = seq(-100,100,10)/100)
ggplot(data = df, aes(x = var)) + geom_histogram(aes(y = ..count..), binwidth = 0.05, boundary = 1, closed = "left")

为了清楚起见，上面的代码是为了清晰起见而编辑的：该函数有很多类型检查和我已删除的其他计算，但您需要修补该函数。在运行修补程序之前，请重新启动R会话或detach当前加载的ggplot2。

OLD VERSIONS

在版本2.0.9.3或2.1.0.1中观察到意外行为 NOT ，并且似乎来自当前版本2.2.0.1（或者可能是较早的{{1}当我试图调用它时，这给了我一个错误）。

要安装和加载旧版本，比如说2.2.0.0，请创建一个单独的目录（无需覆盖当前版本），比如ggplot2_0.9.3：

ggplot2093

要加载旧版本，请从本地目录中调用它：

URL <- "http://cran.r-project.org/src/contrib/Archive/ggplot2/ggplot2_0.9.3.tar.gz" 
install.packages(URL, repos = NULL, type = "source", 
    lib = "~/R/testing/ggplot2093")

geom_histogram：错误的垃圾箱？

1 个答案: