使用对数标度上的stat_函数在R中绘图

在R的

ggplot2

中，我在尝试处理

stat\u函数时遇到了严重的问题。我从这个简单的例子开始：

ggplot(data.frame(x = c(1, 1e4)), aes(x)) + stat_function(fun = function(x) x)

这和预期的一样。不幸的是，当我为x轴和y轴添加对数刻度时：

ggplot(data.frame(x = 1:1e4), aes(x)) +
  scale_x_log10() + 
  scale_y_log10() +
  stat_function(fun = function(x) x)

我得到了以下结果，这是对identity函数非常严重的违反。

我有没有遗漏一些非常基本的东西？那么，在对数标度上绘制函数的正确且最简单的方法是什么

编辑：
受这些答案的启发，我继续用天平和
美学参数进行实验。我甚至更困惑地发现，我使用下面的代码得到了我所期望的：

ggplot(data.frame(x = 1:1e4, y = 1:1e4), aes(x, y)) +
  scale_x_log10() + 
  scale_y_log10() +
  stat_function(fun = function(x) x)

带有明显未使用的y值向量（即未被
stat\u函数使用）。轴变换是否取决于数据的可用性？
当您使用
scale\u x\u log10（）
时，将
x
值进行日志变换，然后仅用于使用
stat\u function（）计算
y
值。然后将
x
值反变换为原始值以进行缩放<代码>y
值保留为根据对数变换的
x
计算得出的值。您可以通过不使用
scale\u y\u log10（）打印值来检查这一点。
。在绘图中有一条直线

ggplot(data.frame(x=1:1e4), aes(x)) +
    stat_function(fun = function(x) x) +
    scale_x_log10() 

如果应用
scale\u y\u log10（）
则记录已计算的
y
值的变换，因此绘制曲线。
在ggplot2中，规则是比例变换先于统计变换，而统计变换又先于坐标变换。在此上下文中，函数（通过stat_function（））是统计变换

如果在ggplot2调用中使用scale_x/y_*（）函数，它将在计算该函数之前首先应用缩放变换

案例0：以x和y的原始比例绘制

ggplot(data.frame(x = 1:1e4, y = 1:1e4), aes(x, y)) +
    stat_function(fun = function(x) x)

情况1a：由于存在scale_x/y_log10（），因此在计算函数之前，x和y都进行了对数变换。您可以从各自刻度上的值（与案例0相比）中看到这一点

案例1b:x在原始数据帧中进行日志转换。因此，函数实际上在log10（x）值上运行，因此仍然是一条直线，但在x和y中都是log10刻度

ggplot(data.frame(x = log10(seq(1e4)), y = seq(1e4)), aes(x, y)) +
    stat_function(fun = function(x) x)

情况1c：与1b相同，但有一个例外：x标度采用原始单位，但y标度采用log10（x）单位，因为x上的标度变换发生在计算统计变换f（y）=y之前，其中y=log10（x）

情况2：相反，坐标变换发生在统计变换之后；i、 例如，首先以原始单位计算函数，然后在x上进行坐标变换，这会扭曲函数：

ggplot(data.frame(x = seq(1e4), y = seq(1e4)), aes(x, y)) +
    stat_function(fun = function(x) x) +
    coord_trans(xtrans = "log10")

…当然，除非对x和y应用相同的变换：

ggplot(data.frame(x = seq(1e4), y = seq(1e4)), aes(x, y)) +
    stat_function(fun = function(x) x) +
    coord_trans(xtrans = "log10", ytrans = "log10")

是的，非常好，我把注意力集中在ggplot做事的顺序上。
ggplot(data.frame(x = seq(1e4), y = seq(1e4)), aes(x, y)) +
    stat_function(fun = function(x) x) +
    coord_trans(xtrans = "log10")

ggplot(data.frame(x = seq(1e4), y = seq(1e4)), aes(x, y)) +
    stat_function(fun = function(x) x) +
    coord_trans(xtrans = "log10", ytrans = "log10")