ggplot scale_y_log10（）问题

Question

我使用ggplot进行缩放时遇到了一个有趣的问题。我有一个数据集，我可以使用默认的线性刻度来很好地绘制，但是当我使用scale_y_log10（）时，数字就会消失。这是一些示例代码和两张图片。请注意，线性标度中的最大值为~700，而日志缩放产生的值为10 ^ 8。我告诉你整个数据集只有大约8000个条目，所以有些东西不对。

我认为这个问题与我的数据集结构和分箱有关，因为我无法在像'钻石'这样的常见数据集上复制此错误。但是我不确定排除故障的最佳方法。

感谢， zach cp

---

编辑：bdamarest可以重现钻石数据集上的比例问题，如下所示：

example_1 = ggplot(diamonds, aes(x=clarity, fill=cut)) + 
  geom_bar() + scale_y_log10(); print(example_1)

---

#data.melt is the name of my dataset    
> ggplot(data.melt, aes(name, fill= Library)) + geom_bar()  
> ggplot(data.melt, aes(name, fill= Library)) + geom_bar()  + scale_y_log10()
> length(data.melt$name)
[1] 8003 

这里有一些示例数据......我想我看到了这个问题。原始熔化的数据集可能已经长约10 ^ 8行。也许行号被用于统计数据？

> head(data.melt)
       Library         name               group
221938      AB Arthrofactin        glycopeptide
235087      AB   Putisolvin      cyclic peptide
235090      AB   Putisolvin      cyclic peptide
222125      AB Arthrofactin        glycopeptide
311468      AB     Triostin cyclic depsipeptide
92249       AB          CDA         lipopeptide


> dput(head(test2))
structure(list(Library = c("AB", "AB", "AB", "AB", "AB", "AB"
), name = c("Arthrofactin", "Putisolvin", "Putisolvin", "Arthrofactin", 
"Triostin", "CDA"), group = c("glycopeptide", "cyclic peptide", 
"cyclic peptide", "glycopeptide", "cyclic depsipeptide", "lipopeptide"
)), .Names = c("Library", "name", "group"), row.names = c(221938L, 
235087L, 235090L, 222125L, 311468L, 92249L), class = "data.frame")

---

更新：

行号不是问题。以下是使用相同的aes x轴和填充颜色绘制的相同数据，并且缩放完全正确：

> ggplot(data.melt, aes(name, fill= name)) + geom_bar()
> ggplot(data.melt, aes(name, fill= name)) + geom_bar() + scale_y_log10()
> length(data.melt$name)
[1] 8003

Answer 1

geom_bar和scale_y_log10（或任何对数刻度）不能很好地协同工作，并且不会给出预期的结果。

第一个基本问题是条形变为0，并且在对数标度上，0变为负无穷大（这很难绘制）。围绕这个的婴儿床通常从1开始而不是0（因为$ \ log（1）= 0 $），如果有0个计数就没有绘制任何东西，并且不担心失真，因为如果需要对数刻度，你可能不会关心被1关（不一定是真的，但......）

我正在使用@dbemarest显示的diamonds示例。

一般来说，这样做是为了变换坐标，而不是缩放比例（后面的差异更多）。

ggplot(diamonds, aes(x=clarity, fill=cut)) +
  geom_bar() +
  coord_trans(ytrans="log10")

但这会产生错误

Error in if (length(from) == 1 || abs(from[1] - from[2]) < 1e-06) return(mean(to)) : 
  missing value where TRUE/FALSE needed

这是由负无穷大问题引起的。

当您使用比例变换时，将变换应用于数据，然后进行统计和排列，然后在逆变换（粗略）中标记比例。您可以通过自己打破计算来了解正在发生的事情。

DF <- ddply(diamonds, .(clarity, cut), summarise, n=length(clarity))
DF$log10n <- log10(DF$n)

给出了

> head(DF)
  clarity       cut   n   log10n
1      I1      Fair 210 2.322219
2      I1      Good  96 1.982271
3      I1 Very Good  84 1.924279
4      I1   Premium 205 2.311754
5      I1     Ideal 146 2.164353
6     SI2      Fair 466 2.668386

如果我们以正常方式绘制，我们得到预期的条形图：

ggplot(DF, aes(x=clarity, y=n, fill=cut)) + 
  geom_bar(stat="identity")

并缩放y轴会产生与使用未预先汇总的数据相同的问题。

ggplot(DF, aes(x=clarity, y=n, fill=cut)) +
  geom_bar(stat="identity") +
  scale_y_log10()

我们可以通过绘制计数的log10()值来了解问题是如何发生的。

ggplot(DF, aes(x=clarity, y=log10n, fill=cut)) +
  geom_bar(stat="identity")

这看起来就像scale_y_log10那样，但标签是0,5,10，...而不是10 ^ 0,10 ^ 5,10 ^ 10，......

因此，使用scale_y_log10进行计数，将它们转换为日志，堆叠这些日志，然后以反日志形式显示比例。但是，堆叠日志不是线性转换，因此您要求它执行的操作没有任何意义。

最重要的是，对数刻度上的堆积条形图没有多大意义，因为它们不能从0开始（条形的底部应该是），并且比较条形的部分是不合理的，因为它们的大小取决于它们在堆栈中的位置。改为考虑：

ggplot(diamonds, aes(x=clarity, y=..count.., colour=cut)) + 
  geom_point(stat="bin") +
  scale_y_log10()

或者如果你真的想要通常会给你的那些堆积酒吧的团体，你可以做以下事情：

ggplot(diamonds, aes(x=clarity, y=..count..)) + 
  geom_point(aes(colour=cut), stat="bin") +
  geom_point(stat="bin", colour="black") +
  scale_y_log10()