根据组对直方图进行着色时，防止出现错误的密度图

Question

基于一些虚拟数据，我创建了一个带有desity图的直方图

set.seed(1234)
wdata = data.frame(
  sex = factor(rep(c("F", "M"), each=200)),
  weight = c(rnorm(200, 55), rnorm(200, 58))
)
a <- ggplot(wdata, aes(x = weight))

a + geom_histogram(aes(y = ..density..,
                       # color = sex
                       ), 
                   colour="black",
                   fill="white",
                   position = "identity") +
  geom_density(alpha = 0.2,
               # aes(color = sex)
               ) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF"))

weight的直方图应根据sex着色，因此我使用aes(y = ..density.., color = sex)作为geom_histogram() ：

a + geom_histogram(aes(y = ..density..,
                       color = sex
                       ), 
                   colour="black",
                   fill="white",
                   position = "identity") +
  geom_density(alpha = 0.2,
               # aes(color = sex)
               ) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF"))

正如我所希望的那样，密度图保持不变（两个组的总体情况），但直方图会向上扩展（现在似乎单独处理）：

我该如何防止这种情况发生？ 我需要单独的彩色直方图条，但需要所有着色组的联合密度图。

PS对geom_density()使用aes(color = sex)将所有内容恢复到原始比例 - 但我不想要单独的密度图（如下所示）：

a + geom_histogram(aes(y = ..density..,
                       color = sex
                       ), 
                   colour="black",
                   fill="white",
                   position = "identity") +
  geom_density(alpha = 0.2,
               aes(color = sex)
               ) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF"))

编辑：

正如已经建议的那样，将geom_histogram()的美学中的组数除以y = ..density../2可以近似解。 然而，这仅适用于对称分布，如下面的第一个输出：

a + geom_histogram(aes(y = ..density../2,
                       color = sex
                       ), 
                   colour="black",
                   fill="white",
                   position = "identity") +
  geom_density(alpha = 0.2,
               ) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF"))

产量

然而，较不对称的分布可能会导致使用此方法的麻烦。 参见下面的那些，其中对于5组，使用y = ..density../5 。 第一个原始，然后操纵（与position = "stack" ）：

由于左侧分布较重，左侧除以5低估，右侧高估过高估计。

编辑2：解决方案

正如安德鲁所建议的，以下（完整）代码解决了这个问题：

library(ggplot2)
set.seed(1234)
wdata = data.frame(
  sex = factor(rep(c("F", "M"), each = 200)),
  weight = c(rnorm(200, 55), rnorm(200, 58))
)

binwidth <- 0.25
a <- ggplot(wdata,
            aes(x = weight,
                # Pass binwidth to aes() so it will be found in
                # geom_histogram()'s aes() later
                binwidth = binwidth))

# Basic plot w/o colouring according to 'sex'
a + geom_histogram(aes(y = ..density..),
                   binwidth = binwidth,
                   colour = "black",
                   fill = "white",
                   position = "stack") +
  geom_density(alpha = 0.2) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF")) +
  # Use fixed scale for sake of comparability
  scale_x_continuous(limits = c(52, 61)) +
  scale_y_continuous(limits = c(0, 0.25))


# Plot w/ colouring according to 'sex'
a + geom_histogram(aes(x = weight,
                       # binwidth will only be found if passed to
                       # ggplot()'s aes() (as above)
                       y = ..count.. / (sum(..count..) * binwidth),
                       color = sex),
                   binwidth = binwidth,
                   fill="white",
                   position = "stack") +
  geom_density(alpha = 0.2) +
  scale_color_manual(values = c("#868686FF", "#EFC000FF")) +
  # Use fixed scale for sake of comparability
  scale_x_continuous(limits = c(52, 61)) +
  scale_y_continuous(limits = c(0, 0.25)) +
  guides(color = FALSE)

注意： binwidth = binwidth需要被传递到ggplot()的aes()否则预先指定binwidth不会被找到geom_histogram() s'的aes() 此外，指定position = "stack" ，以使直方图的两个版本具有可比性。 虚拟数据的图表和下面更复杂的分布：

解决了 - 谢谢你的帮助！

Answer 1

我不认为你可以使用y=..density.. ，但你可以重新创建像这样的东西......

binwidth <- 0.25 #easiest to set this manually so that you know what it is

a + geom_histogram(aes(y = ..count.. / (sum(..count..) * binwidth),
                       color = sex), 
                   binwidth = binwidth,
                   fill="white",
                   position = "identity") +
    geom_density(alpha = 0.2) +
    scale_color_manual(values = c("#868686FF", "#EFC000FF"))