R ggplot直方图组显示两组的总和

Question

我试图在直方图中绘制测试和训练数据集的分布，发现有些奇怪：

背景： 我有一个包含50行的测试集和一个包含100行的训练集，每组都具有相同的列结构。

我通常会像这样绘制数据：

plot2 <- ggplot(data=Donald_1) + 
  geom_histogram(aes_string(x = "Alter", y = "..count..", fill = "Group"),
                 bins=20, alpha=0.7)

这将导致如下所示的右侧直方图。然后，我想知道该测试的计数可能比训练的计数高，因为测试集只有50行而不是100行。看来测试条显示了左侧图的测试条和训练条的总和。 / p>

然后我尝试了：

plot1 <- ggplot() +
  geom_histogram(data=Donald_1 %>% filter(Group == "Training"),
                 aes_string(x="Alter", y="..count..", fill = "Group"),
                 bins=20, alpha=0.7) +
  geom_histogram(data=Donald_1 %>% filter(Group == "Test"),  
                 aes_string(x="Alter", y="..count..", fill="Group"),
                  bins=20, alpha=0.7)

其结果如下图所示，对我来说更有意义。

我现在想知道，为什么第一次尝试的结果与第二次尝试的结果不同。我在这里想念明显的东西吗？

Answer 1

在数据框中，您具有“组”列，该列代表值“训练”和“测试”。 ggplot理解您是用两个组代表一个直方图。 您的第二个图表示同一网格上的两个不同的直方图，透明度（alpha）使它看起来像实际的样子。

此外，也许您会喜欢这个：

plot3 <- ggplot(data=Donald_1) + 
  geom_histogram(aes_string(x = "Alter", y = "..count..", fill = "Group"),
                 bins=20, alpha=0.7, position="dodge")