R 结合直方图和；“分类”；x变量图

我想将一个二元变量的“正常”直方图（y轴上有分数）与第二个直方图（最好通过其alpha值（透明度）与第一个直方图区分）结合起来，后者描述x轴的特定类别

有关示例，请参见以下代码：

ggplot(mtcars, aes(x = mpg, y = ..count../sum(..count..))) +
geom_histogram()

对于数值x变量，我创建因子变量：

mtcars$mpgCat <- ifelse(mtcars$mpg <= 15, 0,
                    ifelse(mtcars$mpg > 15 & mtcars$mpg <=25, 1,
                           ifelse(mtcars$mpg > 25 & mtcars$mpg < 35, 2, NA)))
mtcars$mpgCat <- factor(mtcars$mpgCat, levels = c(0:2), labels = c("<=15", ">15", "<35"))

是否有某种方法将两个直方图结合起来，最好是后者是透明的，以便数字x值直接与因子变量的相应条重叠？当然，如果因子变量的条形图的宽度代表它们“代表”的数值x变量的分数，那将是最好的。然而，后者可能过于复杂

---

提前感谢。

事实证明，如果您知道如何提问，ggplot2可以自动完成大部分您想要的功能。我创建了两个直方图层。第一个具有手动选择的箱子数量（

bins=10

），并手动调整

boundary=0.25

，以使箱子边界在视觉上对齐。第二个已手动创建精确的仓位边界（

breaks=c（10,15,25,35）

），以精确匹配三类

mpgCat

。它还为整个层设置了透明度（

alpha=0.4

）。您可能还对用于将连续变量拆分为因子的

cut（）

函数感兴趣

library(ggplot2)

mtcars$mpgCat = cut(mtcars$mpg, c(10, 15, 25, 35))

p = ggplot(data=mtcars) +
    geom_histogram(aes(x=mpg, y=..count../sum(..count..)), 
                   bins=20, boundary=0.25) +
    geom_histogram(aes(x=mpg, y =..count../sum(..count..), fill=mpgCat), 
                   alpha=0.4, breaks=c(10, 15, 25, 35))

ggsave("histgram.png", plot=p, height=4, width=6, dpi=150)

---

请注意，此图可能会产生误导；红色和蓝色条分别代表20%的数据，但蓝色条的面积是红色条的两倍

我认为一种方法是尝试使用

binwidth

，例如：

ggplot（mtcars，aes（x=mpg，y=count../sum（…count..））+geom_直方图（binwidth=10，fill='blue'）+geom_直方图（）

library(ggplot2)

mtcars$mpgCat = cut(mtcars$mpg, c(10, 15, 25, 35))

p = ggplot(data=mtcars) +
    geom_histogram(aes(x=mpg, y=..count../sum(..count..)), 
                   bins=20, boundary=0.25) +
    geom_histogram(aes(x=mpg, y =..count../sum(..count..), fill=mpgCat), 
                   alpha=0.4, breaks=c(10, 15, 25, 35))

ggsave("histgram.png", plot=p, height=4, width=6, dpi=150)