如何绘制两个ggplot密度分布之间的差异？

Question

我想用ggplot2来说明两个相似密度分布之间的区别。 这是我所拥有的数据类型的玩具示例：

library(ggplot2)

# Make toy data
n_sp  <- 100000
n_dup <- 50000
D <- data.frame( 
    event=c(rep("sp", n_sp), rep("dup", n_dup) ), 
    q=c(rnorm(n_sp, mean=2.0), rnorm(n_dup, mean=2.1)) 
)

# Standard density plot
ggplot( D, aes( x=q, y=..density.., col=event ) ) +
    geom_freqpoly()

如上所示，不是单独绘制每个类别（ dup和sp ）的密度，而是如何绘制显示这些分布之间差异的单行？

在上面的玩具例如，如果我减去dup从密度分布sp密度分布，所得到的线将是零以上关于图的左侧（由于存在较小的丰度sp值）和低于0在右边（因为有大量更大的dup值）。 并不是说dup和sp类型的观察数量可能不同。

更一般地说 - 显示相似密度分布之间差异的最佳方法是什么？

Answer 1

可能有一种方法可以在ggplot中执行此操作，但通常最容易事先进行计算。 在这种情况下，在相同范围内对q每个子集调用density ，然后减去y值。 使用dplyr（如果你愿意，转换为基数R或data.table），

library(dplyr)
library(ggplot2)

D %>% group_by(event) %>% 
    # calculate densities for each group over same range; store in list column
    summarise(d = list(density(q, from = min(.$q), to = max(.$q)))) %>% 
    # make a new data.frame from two density objects
    do(data.frame(x = .$d[[1]]$x,    # grab one set of x values (which are the same)
                  y = .$d[[1]]$y - .$d[[2]]$y)) %>%    # and subtract the y values
    ggplot(aes(x, y)) +    # now plot
    geom_line()