如何在plotly或ggplot中绘制具有极宽分布值/间隙的直方图

时间:2019-03-05 07:35:20

标签: r ggplot2 histogram plotly binning

我正在绘制一些观察结果,其中两种或多种模式相距很远。我想有一个情节,可以自动忽略差距。观察的简化示例是

obs= c(rnorm(100, 0, 1), rnorm(100, sample(c(-1e6, 1e6), 1), 1))

我注意到gap.plot()库中的plotrix可以做到类似,但是有什么方法可以在plotly / ggplot中做到,而无需手动指定间隔范围?由于样本均值的随机性,我的差距是随机的。

1 个答案:

答案 0 :(得分:0)

如何像这样拆分集合:

obs= c(rnorm(100, 0, 1), rnorm(100, sample(c(-1e6, 1e6), 1), 1))

histN <- function(x, n){
  clustRes <- kmeans(x,centers = n)
  par(mfrow=c(1,n))
  for(i in 1:n){
    hist(x[clustRes$cluster==i], xlab="", main = sprintf("subset = %d",i))
  }
}
dev.new()
histN(obs,2)

或作为一种更漂亮但不太灵活的替代方法:

hist2 <- function(x){
  clustRes <- kmeans(x,centers = 2)
  parDefault <- par()
  layout(matrix(c(1,1,1,2,3,3,3),nrow=1))
  idx1 <- which.min(clustRes$centers)
  idx2 <- which.max(clustRes$centers)
  h1 <- hist(x[clustRes$cluster==idx1],plot=FALSE)
  h2 <- hist(x[clustRes$cluster==idx2],plot=FALSE)
  yRange <- c(min(c(h1$counts,h2$counts)),max(c(h1$counts,h2$counts)))
  par(mai = c(parDefault$mai[1:3],0))
  par(cex = parDefault$cex)
  hist(x[clustRes$cluster==idx1],ylim= yRange, xlab="", ylab ="", main = sprintf("subset = %d",1),axes=FALSE)
  axis(1)
  axis(2)
  par(mai = c(parDefault$mai[1],0,parDefault$mai[3],0))
  par(cex = 3)
  plot(1:10,type="n", axes=FALSE, xlab="...", ylab ="")
  text(x= 5, y= 5, "...")
  axis(1, tick=FALSE,labels = FALSE)
  par(mai = c(parDefault$mai[1],0,parDefault$mai[3:4]))
  par(cex = parDefault$cex)
  hist(x[clustRes$cluster==idx2],ylim= yRange, xlab="", ylab ="", main = sprintf("subset = %d",2),axes=FALSE)
  axis(1)
  axis(4)
}
dev.new()
hist2(obs)