R ggplot：统计变量x并显示bin上方变量y平均值的直方图 test\u data

没有任何内置到

stat\u bin（）

函数中（该函数

geom\u histogram（）

调用）来执行您要求的操作，但执行您要求的操作并不太难（或不太简洁）：

test_data <-  data.frame(x = runif(20, 0, 10), y = runif(20, 0, 10))

ggplot(test_data, aes(x)) + geom_histogram(binwidth = 1)

test_data <- test_data %>% arrange(x) 
test_list <- list()
for(i in 1:10){
    test_list[[i]] <- test_data %>% filter( x < i & x > i-1)
}
test_list 

test_means <- c()
for(i in 1:10){test_means[i] <- mean(test_list[[i]]$y)}
test_means

库（ggplot2）
图书馆（dplyr）
种子（15）#可复制
测试数据%
do（平均值（%）%>%
解组（）->bin_表示
gg没有任何内置的
stat_bin（）
函数（该函数调用
geom_histogram（）
函数）可以满足您的要求，但满足您的要求并不太难（或不够简洁）：

test_data <-  data.frame(x = runif(20, 0, 10), y = runif(20, 0, 10))

ggplot(test_data, aes(x)) + geom_histogram(binwidth = 1)

test_data <- test_data %>% arrange(x) 
test_list <- list()
for(i in 1:10){
    test_list[[i]] <- test_data %>% filter( x < i & x > i-1)
}
test_list 

test_means <- c()
for(i in 1:10){test_means[i] <- mean(test_list[[i]]$y)}
test_means

库（ggplot2）
图书馆（dplyr）
种子（15）#可复制
测试数据%
do（平均值（%）%>%
解组（）->bin_表示
gg你可以试试base R：

library(ggplot2)
library(dplyr)

set.seed(15) # reproducible

test_data <-  data.frame(x = runif(20, 0, 10), 
                         y = runif(20, 0, 10))

gg <- ggplot(test_data, aes(x)) + 
  geom_histogram(binwidth=1, fill="#2166ac", color="white")

mean_bin <- function(df) {
  filter(test_data, x > df$xmin & x <= df$xmax) %>% 
    summarise(μ=mean(y), ct=df$count[1]) %>% 
    mutate(μ=ifelse(is.nan(μ), NA, μ))
}

group_by(ggplot_build(gg)$data[[1]], x) %>% 
  do(mean_bin(.)) %>%
  ungroup() -> bin_means


gg <- gg + geom_text(data=bin_means, 
                     aes(x, ct, label=sprintf("μ(y)=%3.2f", μ)), 
                     vjust=0, nudge_y=0.1, size=2.5)
gg <- gg + scale_x_continuous(breaks=1:10)
gg <- gg + scale_y_continuous(expand=c(0,0), limits=c(0, 4.5))
gg <- gg + theme_bw()
gg <- gg + theme(panel.grid.major.x=element_blank())
gg <- gg + theme(panel.grid.minor=element_blank())
gg <- gg + theme(panel.border=element_blank())
gg <- gg + theme(axis.ticks=element_blank())
gg

#数据
种子集（123）
d你可以试试基本R：

library(ggplot2)
library(dplyr)

set.seed(15) # reproducible

test_data <-  data.frame(x = runif(20, 0, 10), 
                         y = runif(20, 0, 10))

gg <- ggplot(test_data, aes(x)) + 
  geom_histogram(binwidth=1, fill="#2166ac", color="white")

mean_bin <- function(df) {
  filter(test_data, x > df$xmin & x <= df$xmax) %>% 
    summarise(μ=mean(y), ct=df$count[1]) %>% 
    mutate(μ=ifelse(is.nan(μ), NA, μ))
}

group_by(ggplot_build(gg)$data[[1]], x) %>% 
  do(mean_bin(.)) %>%
  ungroup() -> bin_means


gg <- gg + geom_text(data=bin_means, 
                     aes(x, ct, label=sprintf("μ(y)=%3.2f", μ)), 
                     vjust=0, nudge_y=0.1, size=2.5)
gg <- gg + scale_x_continuous(breaks=1:10)
gg <- gg + scale_y_continuous(expand=c(0,0), limits=c(0, 4.5))
gg <- gg + theme_bw()
gg <- gg + theme(panel.grid.major.x=element_blank())
gg <- gg + theme(panel.grid.minor=element_blank())
gg <- gg + theme(panel.border=element_blank())
gg <- gg + theme(axis.ticks=element_blank())
gg

#数据
种子集（123）
你太棒了！这是难以置信的信息。一般来说，我对
ggplot2
和
r
都学到了很多。我对你的回答感激不尽！最后，我用它制作了一个闪亮的应用程序，并找出哪些变量引用了哪个函数，这是一个非常有用的练习。另外，你能在
r
中使用“μ”吗？或者你只是为了说明的目的而使用它吗μ’在我的
r
版本中似乎不是一个合适的字符。再说一次，你太棒了！至少在我的UTF-8 OS X环境中是完全有效的字符。非常高兴这有帮助。你太棒了！这是难以置信的信息。一般来说，我对
ggplot2
和
r
都学到了很多。我对你的回答感激不尽！最后，我用它制作了一个闪亮的应用程序，并找出哪些变量引用了哪个函数，这是一个非常有用的练习。另外，你能在
r
中使用“μ”吗？或者你只是为了说明的目的而使用它吗μ’在我的
r
版本中似乎不是一个合适的字符。再说一次，你太棒了！至少在我的UTF-8 OS X环境中是完全有效的字符。非常高兴这有帮助。哇，这是非常简单和直接的。这真的很有帮助。我学到了很多，也不知道
baser
提供了这么多的控制。我真的很喜欢使用实际平均数来确定标签高度的想法。非常感谢你！哇，这是非常简单和直接的。这真的很有帮助。我学到了很多，也不知道
baser
提供了这么多的控制。我真的很喜欢使用实际平均数来确定标签高度的想法。非常感谢你！