向R中的条形图添加正态分布

我想画一个直方图，然后用代表数据分布的正态分布覆盖它。但是，我的数据已经计算在内：

df<- structure(list(trips = c(12955L, 36890L, 47035L, 48650L, 70910L, 
93755L, 45315L, 16565L, 4725L, 9460L), dist.km = c(0.5, 2, 4, 
8.5, 12.5, 17.5, 22.5, 27.5, 32.5, 42.5), share = c(0.03, 0.09, 
0.12, 0.13, 0.18, 0.24, 0.12, 0.04, 0.01, 0.02)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

两个问题：

在这种情况下，有没有办法直接绘制直方图而不是使用

barplot

如何用适合我的数据的正态分布线覆盖此条形图

---

这里有一个很好的链接来解决您的问题：

回答您的问题：

1-是的，您应该将dist.km和trips设为1个变量，然后调用函数hist（），但是使用数据格式，您的方式非常酷

---

2-如链接所示，使用曲线（）和直线（）。

这里有一个很好的链接来解决您的问题：

回答您的问题：

1-是的，您应该将dist.km和trips设为1个变量，然后调用函数hist（），但是使用数据格式，您的方式非常酷

---

2-使用curve（）和lines（），如链接所示。

Q1：如果没有原始数据，则不能使用

hist

问题2：有些工作

首先，

条形图

不提供离散的x轴。从图中可以清楚地看到，前两列（2-0.5=1.5）之间的间距与后两列（42.5-32.5=10）相同。通过查看

条形图的（不可见）返回值，可以获得x轴中点：

(barplot(df$share, names.arg=df$dist.km,
         col="orange", xlab="km", ylab="trips"))
#       [,1]
#  [1,]  0.7
#  [2,]  1.9
#  [3,]  3.1
#  [4,]  4.3
#  [5,]  5.5
#  [6,]  6.7
#  [7,]  7.9
#  [8,]  9.1
#  [9,] 10.3
# [10,] 11.5

尽管实际的点没有这样做，但这些点是等距的。这种等距离是因为R实际上假设的是分类数据，而不是连续数据

为了补偿这一点，我们可以调整绘图的宽度或它们之间的空间。如果我们改变宽度，那么我们将把宽度与视觉重要性混为一谈，这是我们应该避免的，所以让我们使用“空间”：

不幸的是，正如我们在上面第二个
条形图的输出中看到的，x轴与数据的比例不同。幸运的是，它对我们来说仍然是连续的和线性的，所以我们只需要调整它。我们可以手动计算，但为了便于论证，这里有一个反向转换函数：

func <- function(a) {
  (min(df$dist.km) - bp[1,1]) + # the offset, happens to be 0 here since
                                # the first datapoint is exactly 0.5
    a * diff(range(bp[,1])) / diff(range(df$dist.km))
}

mu2 <- func(mu)
sigma2 <- sigma
c(mu2, sigma2)
# [1] 16.472196  8.911899


注意：作为
curve
的第一个参数，我们给出的函数调用需要
x
变量，尽管我们没有定义它。这在内部用于
曲线
，并替换为值的实际向量。它可以是不同的，可能是通过
曲线（dnorm（yy，…），xname=“yy”）

美学上它不够高。。。我们可以按最大频率进行缩放：

# start over
bp <- barplot(df$share, names.arg=df$dist.km,
              space = c(0, diff(df$dist.km)),
              col="orange", xlab="km", ylab="trips")
curve(dnorm(x, mean=mu2, sd=sigma2) / max(df$share),
      col = "red", lwd = 2, add=TRUE)

#重新开始
bpQ1：如果没有原始数据，则不能使用
hist

问题2：有些工作

首先，
条形图
不提供离散的x轴。从图中可以清楚地看到，前两列（2-0.5=1.5）之间的间距与后两列（42.5-32.5=10）相同。通过查看
条形图的（不可见）返回值，可以获得x轴中点：

(barplot(df$share, names.arg=df$dist.km,
         col="orange", xlab="km", ylab="trips"))
#       [,1]
#  [1,]  0.7
#  [2,]  1.9
#  [3,]  3.1
#  [4,]  4.3
#  [5,]  5.5
#  [6,]  6.7
#  [7,]  7.9
#  [8,]  9.1
#  [9,] 10.3
# [10,] 11.5

尽管实际的点没有这样做，但这些点是等距的。这种等距离是因为R实际上假设的是分类数据，而不是连续数据

为了补偿这一点，我们可以调整绘图的宽度或它们之间的空间。如果我们改变宽度，那么我们将把宽度与视觉重要性混为一谈，这是我们应该避免的，所以让我们使用“空间”：

不幸的是，正如我们在上面第二个
条形图的输出中看到的，x轴与数据的比例不同。幸运的是，它对我们来说仍然是连续的和线性的，所以我们只需要调整它。我们可以手动计算，但为了便于论证，这里有一个反向转换函数：

func <- function(a) {
  (min(df$dist.km) - bp[1,1]) + # the offset, happens to be 0 here since
                                # the first datapoint is exactly 0.5
    a * diff(range(bp[,1])) / diff(range(df$dist.km))
}

mu2 <- func(mu)
sigma2 <- sigma
c(mu2, sigma2)
# [1] 16.472196  8.911899


注意：作为
curve
的第一个参数，我们给出的函数调用需要
x
变量，尽管我们没有定义它。这在内部用于
曲线
，并替换为值的实际向量。它可以是不同的，可能是通过
曲线（dnorm（yy，…），xname=“yy”）

美学上它不够高。。。我们可以按最大频率进行缩放：

# start over
bp <- barplot(df$share, names.arg=df$dist.km,
              space = c(0, diff(df$dist.km)),
              col="orange", xlab="km", ylab="trips")
curve(dnorm(x, mean=mu2, sd=sigma2) / max(df$share),
      col = "red", lwd = 2, add=TRUE)

#重新开始
bp你发送的链接是当我有柱状图时，我正在寻找一种在条形图上绘制正态分布的方法，或者绘制柱状图（除了将我的数据更改为大型数据集之外），然后绘制正态分布。你发送的链接是当我有柱状图时，我正在寻找一种在条形图上绘制正态分布的方法，或者绘制直方图（除了将数据更改为大型数据集之外），然后绘制正态分布。
# start over
bp <- barplot(df$share, names.arg=df$dist.km,
              space = c(0, diff(df$dist.km)),
              col="orange", xlab="km", ylab="trips")
curve(dnorm(x, mean=mu2, sd=sigma2) / max(df$share),
      col = "red", lwd = 2, add=TRUE)