具有预定义计数的Geom_freqpoly

我可以使用观测的数量毫无问题地绘制geom_freqpoly

ggplot(data=demo) +
 geom_freqpoly(mapping=aes(x = value))

但我想使用数据中预先计算的观测计数

我尝试使用stat=identity，但显然不起作用

ggplot(data=demo) +
 geom_freqpoly(mapping=aes(x = value, y = cnt), stat = "identity")

这是我的样本数据

demo  <- tribble(
 ~value,    ~cnt,
 .25, 20,
 .25, 30,
 .1, 40
)

TL；DR：您没有得到想要的图形，因为您传递给ggplot的预计算计数数据与生成freqpoly图形的数据完全不同

由于您没有包含用于生成图1的原始演示的代码，我冒昧猜测：

demo.orig <- data.frame(value = c(0.25, 0.25, 0.1))

p <- ggplot(demo.orig, aes(x = value)) +
  geom_freqpoly()
p # show plot to verify its appearance, which matches the graph in the question
layer_data(p) # look at the calculated data used by geom_freqpoly

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
   y count          x       xmin       xmax       width   density ncount ndensity PANEL group colour size linetype alpha
1  0     0 0.09310345 0.09051724 0.09568966 0.005172414   0.00000    0.0      0.0     1    -1  black  0.5        1    NA
2  1     1 0.09827586 0.09568966 0.10086207 0.005172414  64.44444    0.5      0.5     1    -1  black  0.5        1    NA
3  0     0 0.10344828 0.10086207 0.10603448 0.005172414   0.00000    0.0      0.0     1    -1  black  0.5        1    NA
... (omitted to conserve space)
30 0     0 0.24310345 0.24051724 0.24568966 0.005172414   0.00000    0.0      0.0     1    -1  black  0.5        1    NA
31 2     2 0.24827586 0.24568966 0.25086207 0.005172414 128.88889    1.0      1.0     1    -1  black  0.5        1    NA
32 0     0 0.25344828 0.25086207 0.25603448 0.005172414   0.00000    0.0      0.0     1    -1  black  0.5        1    NA

通过将geom_freqpoly打印到console进行快速检查，可以看出其底层geom只是GeomPath，它按顺序绘制x/y对

换句话说，如果您想从图1中获得峰值，则需要提供一个类似的数据集，其中的行指示y应该下降到0的位置。虽然可以通过挖掘StatBin$compute_group的代码来计算，但我认为从预先计算的计数数据进行扩展并让ggplot完成其正常工作更简单：

demo %>%
  tidyr::uncount(cnt) %>%
  ggplot(aes(x = value)) + 
  geom_freqpoly() +
  theme_minimal()

编辑：不完全扩展聚合计数的数据帧的解决方案

包含两个组的示例数据集：

demo <- data.frame(value = c(0.25, 0.5, 0.1, 0.25, 0.75, 0.1),
                   cnt = c(5, 2, 4, 3, 8, 7) * 10e8,
                   group = rep(c("a", "b"), each = 3))

代码：

---

基于类似问题的解决方案似乎简单到在美学中使用权重参数

使用另一个答案中的样本数据的解决方案是

demo <- data.frame(value = c(0.25, 0.5, 0.1, 0.25, 0.75, 0.1),
                   cnt = c(5, 2, 4, 3, 8, 7) * 10e8,
                   group = rep(c("a", "b"), each = 3))


ggplot(demo, aes(value, weight = cnt, color = group)) + geom_freqpoly()  

---

这就是我跌跌撞撞地回到的问题，等待……这提供了一个预期的结果，但基本上是通过将聚合数据转换回我想要避免的单一观察级别。无论如何，这个答案值得一次投票，尤其是因为提到layer_数据，我不知道也不知道如何找到它。你不介意提供一些关于compute_组的信息，这样我就可以接受答案了吗？请重新运行计数为40M而不是40的示例数据，以了解我的意思。很抱歉，响应太晚，我不知何故没有收到有关更新的通知。非常感谢您对示例代码的详细解释。我认为提到ggplot2:：：bin_向量是至关重要的，因为参数权重；这让我找到了解决办法。你不介意回顾一下我的备选答案吗？如果答案完整的话，我可以接受。@dd\u菜鸟这是你问题的解决方案吗？

library(ggplot2)
library(dplyr)

demo %>%
  rename(x = value, y = cnt) %>% # rename here so approach below can be easily applied
                                 # to other datasets with different column names
  tidyr::nest(data = c(x, y)) %>% # nest to apply same approach for each group

  mutate(data = purrr::map(
    data,
    function(d) ggplot2:::bin_vector( # cut x's range into appropriate bins
      x = d$x,
      bins = ggplot2:::bin_breaks_bins(
        x_range = range(d$x),
        bins = 30), # default bin count is 30; change if desired
      pad = TRUE) %>%
      select(x, xmin, xmax) %>%

      # place y counts into the corresponding x bins (this is probably similar
      # to interval join, but I don't have that package installed on my machine)
      tidyr::crossing(d %>% rename(x2 = x)) %>%
      mutate(y = ifelse(x2 >= xmin & x2 < xmax, y, 0)) %>%
      select(-x2) %>%
      group_by(x) %>%
      filter(y == max(y)) %>%
      ungroup() %>%
      unique())) %>%

  tidyr::unnest(cols = c(data)) %>% # unnest to get one flat dataframe back

  ggplot(aes(x = x, y = y, colour = group)) + # plot as per normal
  geom_path() +
  theme_bw()

# package versions used: dplyr 1.0.0, ggplot2 3.3.1, tidyr 1.1.0, purrr 0.3.4

demo <- data.frame(value = c(0.25, 0.5, 0.1, 0.25, 0.75, 0.1),
                   cnt = c(5, 2, 4, 3, 8, 7) * 10e8,
                   group = rep(c("a", "b"), each = 3))


ggplot(demo, aes(value, weight = cnt, color = group)) + geom_freqpoly()