可能的ggplot2错误：重叠直方图的标准化不一致

Question

我最近偶然在ggplot2中发现了一些奇怪的行为。以下代码

N <- 1000
coin <- rep(c(0,1),N/2)
N1 <- sum(coin)
N0 <- sum(1-coin)
values <- rep(0,N)
values[coin==0] <- rnorm(N0,mean=0,sd=1)
values[coin==1] <- rnorm(N1,mean=0,sd=1)
dat = data.frame('Value'=values,'Category'=as.factor(coin))

创建一个数据集，该数据集包含一个数字列和一个因子列，同样数量的事件属于这两个类别中的每一个：

> summary(dat)
     Value           Category
 Min.   :-3.901785   0:500   
 1st Qu.:-0.669807   1:500   
 Median : 0.020031           
 Mean   :-0.008229           
 3rd Qu.: 0.650803           
 Max.   : 3.195819   

但是，在绘制按类别细分的“值”列时，类别1的标准化程度要大于类别0：

ggplot(dat,aes(x=Value,fill=Category)) + geom_histogram(alpha=0.5) + theme_bw()

这看起来很奇怪。对于两个直方图，bin宽度看起来是相同的，因为它们应该如此，但事件的总计数不等于它们应该是的。 0类直方图实际上是整个数据集的直方图：

ggplot(dat,aes(x=Value)) + geom_histogram(alpha=0.5) + theme_bw()

这是一个ggplot2错误，还是我犯了一些错误我还没注意到？ （如果我将类别0和1替换为＆＃39; A＆＃39;以及＆＃39; B＆＃39;顺便说一句，我会得到同样的结果。

系统详情：

• Mac OS X High Sierra
• R版本3.4.0（2017-04-21）
• ggplot2_2.2.1

Answer 1

geom_histogram默认通过参数position="stack"将条形堆叠在一起。这对于同时查看每个零件的整体构成和贡献很有用，但对于直接比较零件不太有用。您可以通过将position参数更改为"identity"来覆盖它，例如：

ggplot(dat,aes(x=Value,fill=Category)) +
 geom_histogram(alpha=0.5, position="identity") + theme_bw()