R GG绘制几何图形条形图与几何图形柱状图_R_Ggplot2

R GG绘制几何图形条形图与几何图形柱状图

R GG绘制几何图形条形图与几何图形柱状图,r,ggplot2,R,Ggplot2,ggplot中geom_柱和geom_柱之间的差异（如果有）是什么？它们似乎产生相同的绘图，并采用相同的参数。条形图提供了分类数据的可视化表示。示例：红头发、黑头发和棕色头发的人数查看geom\u栏。这些例子都很重要维基百科直方图用于绘制（通常是数字）数据的密度。例如，年龄和身高分布 geom\u hist。例如电影收视率的分布 ggplot2 经过进一步调查，我认为在ggplot2中，geom_bar和geom_直方图之间没有区别。从文档中： geom_histogra

ggplot中geom_柱和geom_柱之间的差异（如果有）是什么？它们似乎产生相同的绘图，并采用相同的参数。

条形图提供了分类数据的可视化表示。示例：
- 红头发、黑头发和棕色头发的人数
- 查看
```
geom\u栏
```
  。这些例子都很重要
- 维基百科
直方图用于绘制（通常是数字）数据的密度。例如，
- 年龄和身高分布
- ```
geom\u hist
```
  。例如电影收视率的分布

ggplot2

经过进一步调查，我认为在ggplot2中，

geom_bar

和

geom_直方图

之间没有区别。从文档中：

 geom_histogram(mapping = NULL, data = NULL, stat = "bin",
    position = "stack", ...)
 geom_bar(mapping = NULL, data = NULL, stat = "bin",
    position = "stack", ...)

我意识到，在

geom_直方图docs中，它指出：
geom_histogram是geom_bar和stat_bin的别名
但老实说，我不确定这意味着什么，因为我对ggplot2的理解是stat_bin和geom_bar都是层（强调程度略有不同）。
geom_bar和geom_直方图的默认行为是相同的。这是因为（正如@csgillespie所提到的），当您调用geom_historgarm（可以理解）时，有一个隐含的statistic_bin，它也是应用于geom_bar的默认统计转换（在IMO中是有争议的行为）。这就是为什么当您希望按原样绘制数据时，需要指定stat='identity'

stat='bin'
或stat\u-bin（）
是ggplot为您所做的统计转换。它为您提供了由两个点包围的变量作为输出（.count..
和.density..
。如果您不指定stat='bin'
，您将无法获得这些变量。
如果您查看？geom\u直方图，您会发现“geom\u直方图是geom\u bar+stat\u bin”的别名，以数学家的身份说：-），柱状图与条形图不同，尽管名称往往混淆。引用维基百科的话，“直方图由表格频率组成，以相邻矩形显示，以离散间隔（BIN）建立，面积等于间隔内观测的频率。矩形的高度也等于间隔的频率密度，即频率除以间隔的宽度。直方图的总面积等于数据的数量。“条形图没有这样的面积限制。”。尽管geom_bar（）似乎也应用了stat_bin（），因为您可以访问stat_bin变量，如..count。。和..密度..我认为这在ggplot中没有准确地表示为ggplot（钻石，aes（深度））+geom_直方图（aes（y=…密度）），而ggplot（钻石，aes（深度））+geom_bar（aes（y=…密度…）结果在同一个图中（这是直方图）。密度图不是直方图。密度图不是百分比。密度图是密度图。c、 更多的引文。