R &引用；密度“；直方图上的曲线叠加，其中纵轴是频率（又名计数）还是相对频率？

当垂直轴为频率或相对频率时，是否有方法覆盖类似于密度曲线的东西？（不是实际的密度函数，因为面积不需要积分为1。）以下问题类似： ，用户自己回答，在

geom_density（）

的内部缩放

.count..

。然而，这似乎不寻常

以下代码生成一条过度膨胀的“密度”线

df1试试这个：

ggplot(df1,aes(x = v)) + 
   geom_histogram(aes(y = ..ncount..)) + 
   geom_density(aes(y = ..scaled..))

@joran的回答/评论让我思考了适当的比例因子是什么。为了子孙后代，结果是这样的

当垂直轴为频率时（aka计数）


因此，以料仓计数为单位测量的垂直轴的比例因子为


在这种情况下，当
N=164
且料仓宽度为
0.1
时，平滑线中y的美观性应为：

y = ..density..*(164 * 0.1)

因此，下面的代码生成一条“密度”线，该线根据频率（aka count）测量的直方图进行缩放

df1
library（ggplot2）
如果我们不想将计数缩放到1，你知道怎么做吗？@PatW。平滑密度估计和装箱计数不在同一尺度上（正如您在第一次尝试中观察到的）。要对齐它们，必须将它们放在相同的比例上。您可以根据自己的喜好调整该比例，但需要进行一些调整。是否可以提取此
.density..
？@amrrs的值，请参阅此处有关如何提取直方图值的内容。类似的黑客技术会让你达到密度（但可能有更简单的方法）@这是一个很好的答案。一个很小的注释：要获得密度曲线，而不需要边缘上的垂直位和水平线轮廓，这里有一种方法：
geom_线（aes（y=…density..），stat=“density”，lwd=1）
，如果需要，可以调整
lwd
以加厚线。这是一个有用的答案，谢谢！
y = ..density..*(164 * 0.1)

df1            <- data.frame(v = rnorm(164, mean = 9, sd = 1.5))
b1             <- seq(4.5, 12, by = 0.1)
hist.1a        <- ggplot(df1, aes(x = v)) + 
                    geom_histogram(aes(y = ..count..), breaks = b1, 
                                   fill = "blue", color = "black") + 
                    geom_density(aes(y = ..density..*(164*0.1)))
hist.1a

hist.1b        <- ggplot(df1, aes(x = v)) + 
                    geom_histogram(aes(y = ..count../164), breaks = b1, 
                                   fill = "blue", color = "black") + 
                    geom_density(aes(y = ..density..*(0.1)))
hist.1b

hist.1c        <- ggplot(df1, aes(x = v)) + 
                    geom_histogram(aes(y = ..density..), breaks = b1, 
                                   fill = "blue", color = "black") + 
                    geom_density(aes(y = ..density..))
hist.1c

library(ggplot2)
smoothedHistogram <- function(dat, y, bins=30, xlabel = y, ...){
  gg <- ggplot(dat, aes_string(y)) + 
    geom_histogram(bins=bins, center = 0.5, stat="bin", 
                   fill = I("midnightblue"), color = "#E07102", alpha=0.8) 
  gg_build <- ggplot_build(gg)
  area <- sum(with(gg_build[["data"]][[1]], y*(xmax - xmin)))
  gg <- gg + 
    stat_density(aes(y=..density..*area), 
                 color="#BCBD22", size=2, geom="line", ...)
  gg$layers <- gg$layers[2:1]
  gg + xlab(xlabel) +  
    theme_bw() + theme(axis.title = element_text(size = 16),
                       axis.text = element_text(size = 12))
}

dat <- data.frame(x = rnorm(10000))
smoothedHistogram(dat, "x")