如何绘制分箱数据的累积分布函数 (CDF)？

Question

我有离散数据，例如在范围内呈现

         Marks Freq cumFreq 
1  (37.9,43.1]    4       4    
2  (43.1,48.2]   16      20   
3  (48.2,53.3]   76      96    

我需要为这些数据绘制 cmf，我知道有

plot(ecdf(x))

但我不知道要添加什么才能拥有我需要的东西。

Answer 1

这里有几个选项：

library(ggplot2)
library(scales)
library(dplyr)

## Fake data
set.seed(2)
dat = data.frame(score=c(rnorm(130,40,10), rnorm(130,80,5)))

如果您有原始数据，以下是绘制 ECDF 的方法：

# Base graphics
plot(ecdf(dat$score))

# ggplot2
ggplot(dat, aes(score)) +
  stat_ecdf(aes(group=1), geom="step")

如果您只有汇总数据，这是绘制 ECDF 的一种方法：

首先，让我们将数据分组到 bin 中，类似于您在问题中的情况。 我们使用cut函数创建 bin，然后创建一个新的pct列来计算每个 bin 占分数总数的分数。 我们使用dplyr链接运算符 ( %>% ) 在一个“函数链”中完成所有操作。

dat.binned = dat %>% count(Marks=cut(score,seq(0,100,5))) %>%
         mutate(pct = n/sum(n))

现在我们可以绘制它。 cumsum(pct)计算累积百分比（如您问题中的cumFreq ）。 geom_step使用这些累积百分比创建阶梯图。

ggplot(dat.binned, aes(Marks, cumsum(pct))) +
  geom_step(aes(group=1)) +
  scale_y_continuous(labels=percent_format()) 

以下是情节的样子：

Answer 2

这个怎么样：

library(ggplot2)
library(scales)
library(dplyr)

set.seed(2)
dat = data.frame(score = c(rnorm(130,40,10), rnorm(130,80,5)))
dat.binned = dat %>% count(Marks = cut(score,seq(0,100,5))) %>%
         mutate(pct = n/sum(n))
ggplot(data = dat.binned, mapping = aes(Marks, cumsum(pct))) +  
  geom_line(aes(group = 1)) + 
  geom_point(data = dat.binned, size = 0.1, color = "blue") +
  labs(x = "Frequency(Hz)", y = "Axis") +
  scale_y_continuous(labels = percent_format())