使ggplot2将密度直方图绘制为线 [英] Making ggplot2 plot density histograms as lines
问题描述
我有一个关于我在3个网站上收集的评分的简单表格（比如说OpenTable，Yelp，TripAdvisor）。评级从1到5，因此评级是一个因子列，而网站是另一个因子列（只允许3个值）。我只有这2列和我的所有观察。该结构是一个名为 all 的数据框，其中包含上述列。示例：
网站评分
_________________________
Yelp 1
TripAdvisor 2
Yelp 3
OpenTable 2
我想要做的是制作一个彩色密度图。
但是，该解决方案不起作用为了我。我试过了，只用
$ b ggplot（all，aes（rating，color = website，group = website））+ geom_density （）
但它不起作用。我没有给出插值曲线，下面是我得到的结果：
'p>它看起来，我认为我具有相同的数据结构，在链接的线程OP：一个数据帧（
所有）具有两个因子列（网站和评分）。 >模式（全部）
[1]list
> （所有网站）
[1] TripAdvisor TripAdvisor TripAdvisor TripAdvisor TripAdvisor点击此处巴士网站点评的最受欢迎的旅游推荐TripAdvisor网站OpenTable Yelp
&头（全部为$等级）
[1] 1 2 1 4 5 2
等级：1 2 3 4 5
我的问题是：为什么我的行为不同？我能做些什么来获得同样的情节？作为一种奖励/不同的解决方案，我也会尝试用直线插入我的点，而不是使用更复杂的内核，但我需要保持密度，因为我对一个网站的观察数量比其他2个网站的总和要多。
b$ b
数据示例：
> （所有[sample（nrow（all），200），]）
structure（list（website = structure（c（3L，3L，3L，3L，3L，3L，
3L，3L， 1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，
2L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，3L，3L，3L， 3L，3L，1L，3L，
3L，3L，3L，3L，2L，3L，1L，3L，3L，3L，3L，3L，2L，3L，1L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 1L，1L，3L，3L，3L，3L，1L，2L，3L，1L，3L，3L，
3L，3L），。标签= c（TripAdvisor，OpenTable ），类= 因子），
等级= C（2，4，5，3，5，3，2，4，4，5，5，2，5,5，4，2，
5，4，5，5，4,4，3，5，3，2，4，4，4，2，4，5，3，4，5，
4，4， 3，5，4，5，2，5,5，4，3，1，5,5，5,5，2,4，1，
1，4，4，4，3，1， 5，4，4，5，4，4，5，4，1，1，3，4，5，
5,5，4，5，2，3，4，2，4，4， 4，3，2，4，4，4，4，5，4，
5,3，1,5，2，3，5，1,5，4,4，5,5，4， 4，4，4，5，4，
4,4，3，3，5，2，4，3，5，3,3，3，5，4,1，3，3，5， 4，
4，2，2，4，3，2,5，5,5，4，5，1，2，5,2，4,2，5,3，
4， 4，3，4，5，3,3，5,4，2，4，5，4,1，4，5，1,5，1，
2，5,3，3，4， 5，4,4，3,3，4,4，3，3，4，3，4，3，4，
5,3，2,5，3，4，4，1，5， ），.Names = c（website，
rating），row.names = c（2736944L，3701156L，4217688L，5350640L，
3600261L，2944052L， 3522393L，5443298L，3965562L，490821L，4706825L，
1694078L，3395609L，2220568L，2886121L，4329867L，3414341L，4911507L，
2629 607L，2547491L，5254750L，5089579L，922864L，643065L，1797579L，
782480L，686194L，5035633L，998745L，553929L，888404L，730158L，
4357257L，1824206L，4941425L，2910113L，2006209L，643302L，1534660L，
3489947L，202175L，2483374L，820339L，3411547L，4792406L，1379214L，
3900503L，1000939L，3823518L，5340233L，1330743L，5333146L，3638755L，
2445636L，1057389L，5092709L，5092040L，3841598L， 3739264L，1482807L，
1314908L，2522682L，1757427L，723017L，4809829L，4636027L，1728575L，
2974897L，3485658L，2592565L，3207974L，2721825L，4295506L，4953206L，
3325724L，4706765L，455090L， 5386094L，612504L，3483673L，881132L，
1715784L，4478951L，1995026L，1640553L，4213693L，925338L，4541407L，
3602299L，5233082L，727017L，4954392L，270757L，3436121L，3793314L，
824985L， 1558576L，3659425L，2131835L，1721671L，32696L，3405602L，
2736827L，4403647L，2171731L，2954043L，976434L，3680791L，30799L，
4833704L，3895171L，4469617L，2517017L， 4236947L，733711L，1480361L，
255671L，4847331L，355851L，2933805L，5470569L，3045714L，3423394L，
475428L，4460007L，4668961L，1560070L，3314368L，2150067L，4480758L，
781676L，3659111L， 4799721L，3509779L，5320687L，5179115L，852931L，
4141898L，4768793L，1356381L，3881247L，1685112L，2232222L，315374L，
1721551L，1464571L，2472040L，3198238L，4719488L，2763751L，2999152L，
2042160L，1374928L，1703496L，1805583L，5192311L，3558389L，925026L，
5497787L，2464617L，1850617L，1047932L，186007L，3168546L，1433736L，
1548105L，5450L，5288180L，2476807L，997242L，4693332L，5107109L，
3338800L，2722363L，58422L，3408902L，4537803L，2780976L，2129998L，
376274L，1773109L，5138810L，2364642L，1087043L，3318862L，1567254L，
418564L，726387L，4128160L，4669905L，1194602L， 2315020L，211234L，
818018L，3378122L，462827L，1516313L，3120210L，4257323L，5214034L
），class =data.frame）
由于@joran在他的评论中指出，这一切似乎是带宽的问题。如果我用低带宽绘制您的示例数据，它看起来像您提供的图像：
ggplot（all，aes（等级，color = website，group = website））+ geom_density（adjust = 0.1）
但是对于高带宽，它似乎很有趣不同：
ggplot（all，aes（rating，color = website，group = website））+ geom_density（adjust = 2）
all.prop< - data.frame（prop.table（table（website = all $ website，rating = all $ rating），1））
ggplot（all.prop，aes（x = rating，y = Freq））+ geom_line（aes（group = website，color = website））
I have a simple table about ratings I collected on 3 websites (let's say OpenTable, Yelp, TripAdvisor). The ratings go from 1 to 5 and therefore Rating is a factor column and Website is another factor column (only 3 values allowed). I have only such 2 columns and all my observations. The structure is a data frame named all containing the aforementioned columns. Example:
Website Rating
_________________________
Yelp 1
TripAdvisor 2
Yelp 3
OpenTable 2
What I would like to do is to have a colored density plot.
My problem looks EXACTLY the same as the one posted in this thread: Create a density plot with ggplot2 using a factor
However, that solution is not working for me. I tried it by just substituting my variables names using
ggplot(all, aes(rating, colour=website, group=website)) + geom_density()
but it does not work. Instead of giving me an interpolated curve, here is what I get:
It looks to me that I have the same data structure as the OP in the linked thread: a data frame (all) with two factor columns (website and rating).
> mode(all)
[1] "list"
> head(all$website)
[1] TripAdvisor TripAdvisor TripAdvisor TripAdvisor TripAdvisor TripAdvisor
Levels: TripAdvisor OpenTable Yelp
> head(all$rating)
[1] 1 2 1 4 5 2
Levels: 1 2 3 4 5
My question is: why is my behavior different? And what can I do to get the same plot? As a bonus/different solution, I would also try and interpolate my points with straight lines instead of using more complex kernels but I need to keep densities since I have many more observations for one websites than the other 2 combined.
Data sample:
> dput(all[sample(nrow(all), 200),])
structure(list(website = structure(c(3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 1L,
3L, 3L, 1L, 3L, 2L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 3L, 3L,
2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 1L, 3L, 2L, 3L, 3L, 3L, 3L, 3L,
2L, 3L, 3L, 3L, 1L, 3L, 1L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 1L, 3L,
3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L,
1L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L,
3L, 3L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 2L, 1L, 3L, 3L, 3L,
1L, 3L, 3L, 2L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 1L, 3L, 3L,
3L, 3L, 3L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 1L, 2L, 3L, 1L, 3L, 3L,
3L, 3L), .Label = c("TripAdvisor", "OpenTable", "Yelp"), class = "factor"),
rating = c(2, 4, 5, 3, 5, 3, 2, 4, 4, 5, 5, 2, 5, 5, 4, 2,
5, 4, 5, 5, 4, 4, 3, 5, 3, 2, 4, 4, 4, 2, 4, 5, 3, 4, 5,
4, 4, 3, 5, 4, 5, 2, 5, 5, 4, 3, 1, 5, 5, 5, 5, 2, 4, 1,
1, 4, 4, 4, 3, 1, 5, 4, 4, 5, 4, 4, 5, 4, 1, 1, 3, 4, 5,
5, 5, 4, 5, 2, 3, 4, 2, 4, 4, 4, 3, 2, 4, 4, 4, 4, 5, 4,
5, 3, 1, 5, 2, 3, 5, 1, 5, 4, 4, 5, 5, 4, 4, 4, 4, 5, 4,
4, 4, 3, 3, 5, 2, 4, 3, 5, 3, 3, 3, 5, 4, 1, 3, 3, 5, 4,
4, 2, 2, 4, 3, 2, 5, 5, 5, 4, 5, 1, 2, 5, 2, 4, 2, 5, 3,
4, 4, 3, 4, 5, 3, 3, 5, 4, 2, 4, 5, 4, 1, 4, 5, 1, 5, 1,
2, 5, 3, 3, 4, 5, 4, 4, 3, 3, 4, 4, 3, 3, 4, 3, 4, 3, 4,
5, 3, 2, 5, 3, 4, 4, 1, 5, 4, 3, 5, 3)), .Names = c("website",
"rating"), row.names = c(2736944L, 3701156L, 4217688L, 5350640L,
3600261L, 2944052L, 3522393L, 5443298L, 3965562L, 490821L, 4706825L,
1694078L, 3395609L, 2220568L, 2886121L, 4329867L, 3414341L, 4911507L,
2629607L, 2547491L, 5254750L, 5089579L, 922864L, 643065L, 1797579L,
782480L, 686194L, 5035633L, 998745L, 553929L, 888404L, 730158L,
4357257L, 1824206L, 4941425L, 2910113L, 2006209L, 643302L, 1534660L,
3489947L, 202175L, 2483374L, 820339L, 3411547L, 4792406L, 1379214L,
3900503L, 1000939L, 3823518L, 5340233L, 1330743L, 5333146L, 3638755L,
2445636L, 1057389L, 5092709L, 5092040L, 3841598L, 3739264L, 1482807L,
1314908L, 2522682L, 1757427L, 723017L, 4809829L, 4636027L, 1728575L,
2974897L, 3485658L, 2592565L, 3207974L, 2721825L, 4295506L, 4953206L,
3325724L, 4706765L, 455090L, 5386094L, 612504L, 3483673L, 881132L,
1715784L, 4478951L, 1995026L, 1640553L, 4213693L, 925338L, 4541407L,
3602299L, 5233082L, 727017L, 4954392L, 270757L, 3436121L, 3793314L,
824985L, 1558576L, 3659425L, 2131835L, 1721671L, 32696L, 3405602L,
2736827L, 4403647L, 2171731L, 2954043L, 976434L, 3680791L, 30799L,
4833704L, 3895171L, 4469617L, 2517017L, 4236947L, 733711L, 1480361L,
255671L, 4847331L, 355851L, 2933805L, 5470569L, 3045714L, 3423394L,
475428L, 4460007L, 4668961L, 1560070L, 3314368L, 2150067L, 4480758L,
781676L, 3659111L, 4799721L, 3509779L, 5320687L, 5179115L, 852931L,
4141898L, 4768793L, 1356381L, 3881247L, 1685112L, 2232222L, 315374L,
1721551L, 1464571L, 2472040L, 3198238L, 4719488L, 2763751L, 2999152L,
2042160L, 1374928L, 1703496L, 1805583L, 5192311L, 3558389L, 925026L,
5497787L, 2464617L, 1850617L, 1047932L, 186007L, 3168546L, 1433736L,
1548105L, 5450L, 5288180L, 2476807L, 997242L, 4693332L, 5107109L,
3338800L, 2722363L, 58422L, 3408902L, 4537803L, 2780976L, 2129998L,
376274L, 1773109L, 5138810L, 2364642L, 1087043L, 3318862L, 1567254L,
418564L, 726387L, 4128160L, 4669905L, 1194602L, 2315020L, 211234L,
818018L, 3378122L, 462827L, 1516313L, 3120210L, 4257323L, 5214034L
), class = "data.frame")
As @joran pointed out in his comment, it all seems to be a matter of bandwidth. If I plot your sample data with a low bandwidth, it looks like the image you provided :
ggplot(all, aes(rating, colour=website, group=website)) + geom_density(adjust=0.1)
But with a high bandwidth, it seems quite different :
ggplot(all, aes(rating, colour=website, group=website)) + geom_density(adjust=2)
If you want to just plot your relative frequencies connected with lines, I think you must compute them beforehand. For example :
all.prop <- data.frame(prop.table(table(website=all$website, rating=all$rating),1))
ggplot(all.prop, aes(x=rating, y=Freq)) + geom_line(aes(group=website, color=website))
这篇关于使ggplot2将密度直方图绘制为线的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
