Почему stat_summary отображает несколько строк в зависимости от переменной?

Question

Я задал этот вопрос немного go. В этом решение, кажется, работает иногда . Вот пример использования набора данных mpg.

Моя цель - поместить вертикальную линию, где медиана моих данных встречается для каждого аспекта, используя stat_summary. Обратите внимание, что когда я использую решение в связанном вопросе в столбце displ, решение работает так, как нужно. Но когда я использую его в столбце cty, рисуется несколько линий. Почему это так?

Показанный ниже пример моей проблемы.

library(tidyverse)

mpg %>% 
  ggplot(aes(x=displ, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

mpg %>% 
  ggplot(aes(x=cty, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

^{Создано в 2020-04-01 пакетом Представить (v0.3.0)}

Answer 1

Мы можем предварительно вычислить медиану, используя group_by и mutate, которые я часто нахожу более надежными и простыми для понимания в ее поведении, а затем просто использовать geom_vline. Не можете ответить со стороны stat_summary, но интересно узнать ответ.

mpg %>%
  group_by(cyl) %>%
  mutate(cty_med = median(cty)) %>%
  ggplot(aes(x=cty))+
  geom_histogram()+
  facet_grid(~cyl)+
  geom_vline(aes(xintercept=cty_med))

Если вы хотите обобщить это, вы можно просто создать функцию-обертку, которая выполняет ваши вычисления и гранит вместе.

f <- function(df, fct, var) {
  df %>%
    group_by({{fct}}) %>%
    mutate(med = median({{var}})) %>%
    ggplot(aes(x={{var}}))+
    geom_histogram() +
    facet_grid(cols = vars({{fct}})) +
    geom_vline(aes(xintercept=med))
}

f(mpg, cyl, cty)
f(mpg, cyl, displ)

Answer 2

Деметрий, вот код R, который даст вам то, что вам нужно:

library(tidyverse) 

g <- mpg %>% 
     ggplot(aes(x=cty)) + 
     geom_histogram() + 
     stat_summary(aes(x = 0, xintercept = stat(y), y = cty), 
                     fun.y = median, geom = "vline", colour = "red") + 
     facet_grid(~ cyl)


g 

Функция stat_summary () настроена для вычисления сводки (в данном случае, медианы) для переменной указано в его аргументе у. Напротив, функция geom_histogram () создает гистограмму для переменной, указанной в ее аргументе x. Поэтому вы должны быть осторожны с указанием аргумента y для функции stat_summary (), как показано в приведенном выше коде.

Обратите внимание, что вам не нужно использовать group = cyl в вызове ggplot (), если вы используете facet_grid () или facet_wrap () для создания нескольких графических панелей. Группировка и фасетирование - это совершенно разные операции построения графиков: при группировании на разных панелях отображаются одинаковые ; фасетирование покажет разные группы данных на разных панелях.

Приложение 1

Чтобы убедиться, что сводная статистика была правильно рассчитана для каждой панели, пригодится следующая команда:

ggplot_build(g)$data

Прокрутите до конца вывода, созданного этой командой, чтобы найти значения xintercept, используемые R - это должны быть медианы, нанесенные на различные панели. В качестве альтернативы, извлеките эти значения непосредственно с помощью:

ggplot_build(g)$data[[2]]

Значения xintercept можно сравнить с независимо вычисленными медианными значениями cty для каждого уровня cyl для обеспечения согласования.

Приложение 2

Выбор по умолчанию для ширины бина для geom_histogram () требует некоторого внимания. Вы можете попробовать что-то вроде этого, чтобы разрешить выбор переменной пропускной способности для разных панелей:

theme_set(theme_bw())

g <- mpg %>% 
  ggplot(aes(x=cty)) + 
  geom_histogram(binwidth = function(x) 2 * IQR(x) / (length(x)^(1/3)), 
             fill = "lightblue3", colour = "white") + 
  stat_summary(aes(x = 0, xintercept = stat(y), y = cty), 
        fun.y = median, geom = "vline", colour = "red2") + 
  facet_wrap(~ cyl, scales = "free_x")


g 

Смотрите эту ссылку для других возможностей выбора пропускной способности: https://github.com/tidyverse/ggplot2/issues/2312.

Answer 3

Я сделал еще один пост, потому что я считаю, что мое исследование и решение достаточно отличаются от оригинала, чтобы оправдать его, но я могу объединиться, если кто-то не согласен. Итак, я считаю, что я выяснил причину проблемы с stat_summary и вашим текущим решением.

Я считаю, что stat_summary вычисляет свою сводную статистику c для каждого уникального значения x, когда переменная x принимает целочисленные значения.

library(tidyverse)

sapply(mpg, class)
#> manufacturer        model        displ         year          cyl        trans 
#>  "character"  "character"    "numeric"    "integer"    "integer"  "character" 
#>          drv          cty          hwy           fl        class 
#>  "character"    "integer"    "integer"  "character"  "character"

См. Ниже то же самое ранее при использовании hwy и cty, даже когда оба явно преобразуются в numeric вместо integer векторов.

mpg2 <- mpg %>%
  mutate(hwy = as.numeric(hwy),
         cty = as.numeric(cty))

sapply(mpg2, class)
#> manufacturer        model        displ         year          cyl        trans 
#>  "character"  "character"    "numeric"    "integer"    "integer"  "character" 
#>          drv          cty          hwy           fl        class 
#>  "character"    "numeric"    "numeric"  "character"  "character"

mpg2 %>%
  ggplot(aes(x=hwy, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')

И пример с cty:

mpg2 %>%
  ggplot(aes(x=cty, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')

Однако, если мы сделаем Небольшая корректировка до cty перед построением графика, добавление минутной десятичной точки, мы получаем желаемое поведение.

mpg %>%
  mutate(cty = cty + .000001) %>%
  ggplot(aes(x=cty, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')

И мы видим такое же поведение с hwy.

mpg %>%
  mutate(hwy = hwy + .000001) %>%
  ggplot(aes(x=hwy, group=cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(xintercept=stat(x), y=0), fun = median, geom = 'vline')

Конечно, это не обязательно желаемое решение. Так как мы отображаем вертикальные линии, мы можем вместо этого создать новый aes, где вместо этого мы построим наш xintercept как функцию y и предоставим одну фиктивную переменную для x в пределах нашего диапазона данных. Это затем обманывает систему, заставляя строить только одну медиану от нашего единственного значения x, и дает нам желаемый график.

mpg %>%
  ggplot(aes(x=cty, group = cyl))+
  geom_histogram()+
  facet_grid(~cyl)+
  stat_summary(aes(x = 3, y = cty, xintercept = stat(y)), fun = median, geom = 'vline')

И там мы go! Совершенно запутанный, и не очень-то нравится в качестве решения, но я считаю, что вы должны go использовать stat_summary.