R 什么是；正在塌陷为唯一'；x'；价值观；在这个例子中是什么意思？

下面的示例图显示了一条关于

In regularize.values(x, y, ties, missing(ties), na.rm = na.rm) :
  collapsing to unique 'x' values

在我的例子中，我无法理解这意味着什么

它必须与

5

相关，因为用

4

或

1

替换

5

时，警告消失

df <- data.frame(x = 1, y = c(0, 0.25, 0.5, 0.75, 5))
ggplot2::ggplot(df, ggplot2::aes(x = x, y = y)) +
    ggplot2::geom_violin(draw_quantiles = c(0.5))

---

df@teunbrand证实了我的假设

ecdf <- stats::approxfun(dens, data$y) 

注意：由于使用
dens
作为累积密度等细节，该代码很难读取

但是
stats:：regularize.values
并不一定更好：

    x <- xy.coords(x, y) # -> (x,y) numeric of same length
    y <- x$y
    x <- x$x

x（x，y）相同长度的数值
我很想知道答案。然而，我注意到删除
draw_quantiles=c（0.5）
也会停止警告；所以我在想，这个论点可能与
5
离群值有某种问题？@艾里科帕托是的，我倾向于最小化我的代码示例-任何留在里面的东西都是相关的
draw_quantiles=c（0.5）
如果不重要的话就不会在那里；）我已经提交了文件，我认为问题在于，估计密度作为
x
传递到
stats:：approxfun
stats:：approxfun
，依次关注
x
中的关系。因此，问题似乎是
df$y
中的远异常值导致了零密度，从而导致了平坦的累积密度。我可以想象，
ecdf是的，我得出了与@bers相同的结论。打印
密度（df$y）$y
将在第282个元素周围显示一段零。还有一种方法建议根据观测值而不是密度来计算分位数。
    x <- xy.coords(x, y) # -> (x,y) numeric of same length
    y <- x$y
    x <- x$x

ecdf <- stats::approxfun(dens, data$y, ties = "ordered") 

create_quantile_segment_frame <- function(data, draw_quantiles) {
  dens <- cumsum(data$density) / sum(data$density)
  ecdf <- stats::approxfun(dens, data$y, ties = "ordered")
  ys <- ecdf(draw_quantiles) # these are all the y-values for quantiles

  # Get the violin bounds for the requested quantiles.
  violin.xminvs <- (stats::approxfun(data$y, data$xminv))(ys)
  violin.xmaxvs <- (stats::approxfun(data$y, data$xmaxv))(ys)

  # We have two rows per segment drawn. Each segment gets its own group.
  ggplot2:::new_data_frame(list(
    x = ggplot2:::interleave(violin.xminvs, violin.xmaxvs),
    y = rep(ys, each = 2),
    group = rep(ys, each = 2)
  ))
}
assignInNamespace("create_quantile_segment_frame", create_quantile_segment_frame, "ggplot2")

df <- data.frame(x = 1, y = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10))
ggplot2::ggplot(df, ggplot2::aes(x = x, y = y)) +
    ggplot2::geom_violin(draw_quantiles = c(0.5), bw = 0.1)