R：找到最大密度 plot

Question

我有大約 25,000 行myData的數據，其中列attr的值從 0 -> 45,600。 我不確定如何制作簡化或可重現的數據...

無論如何，我正在繪制attr的密度，如下所示，我還找到了密度最大的attr值：

library(ggplot)
max <- which.max(density(myData$attr)$y)
density(myData$attr)$x[max]
ggplot(myData, aes(x=attr))+ 
  geom_density(color="darkblue", fill="lightblue")+
  geom_vline(xintercept = density(myData$attr)$x[max])+
  xlab("attr")

這是 plot 我在最大點處的 x 截距：

由於數據是傾斜的，因此我嘗試通過將scale_x_log10()添加到ggplot來以對數比例繪制 x 軸，這是新圖：

我現在的問題是：

1.為什么現在最高2分？ 為什么我的 x 截距不再位於最大點？

2.如何找到 2 個新的最大點的截距？

最后，我嘗試將 y 軸轉換為count ：

ggplot(myData, aes(x=attr)) +
  stat_density(aes(y=..count..), color="black", fill="blue", alpha=0.3)+
  xlab("attr")+
  scale_x_log10()

我得到了以下 plot：

3.如何找到 2 個峰值的count ？

Answer 1

為什么密度形狀不同

為了讓我的評論更全面，ggplot 在進行密度估計之前先記錄日志，這會導致形狀差異，因為分箱覆蓋了域的不同部分。 例如，

(bins <- seq(1, 10, length.out = 10))
#>  [1]  1  2  3  4  5  6  7  8  9 10
(bins_log <- 10^seq(log10(1), log10(10), length.out = 10))
#>  [1]  1.000000  1.291550  1.668101  2.154435  2.782559  3.593814  4.641589
#>  [8]  5.994843  7.742637 10.000000

library(ggplot2)

ggplot(data.frame(x = c(bins, bins_log), 
                  trans = rep(c('identity', 'log10'), each = 10)), 
       aes(x, y = trans, col = trans)) + 
    geom_point()

這種分箱會影響最終的密度形狀。 例如，比較未轉換的密度：

d <- density(mtcars$disp)
plot(d)

到預先記錄的一個：

d_log <- density(log10(mtcars$disp))
plot(d_log)

請注意，模式的高度會翻轉，我相信您要的是第一個，但是在密度之后應用了對數變換。 IE

d_x_log <- d
d_x_log$x <- log10(d_x_log$x)
plot(d_x_log)

這里的模式是相似的，只是被壓縮了。

轉移到 ggplot

移至 ggplot 時，要在對數轉換之前進行密度估計，最簡單的方法是事先在 ggplot 之外進行：

library(ggplot2)

d <- density(mtcars$disp)

ggplot(data.frame(x = d$x, y = d$y), aes(x, y)) + 
    geom_density(stat = "identity", fill = 'burlywood', alpha = 0.3) + 
    scale_x_log10()

尋找模式

當只有一個模式時找到模式相對容易； 它只是d$x[which.max(d$x)] 。 但是當您有多種模式時，這還不夠好，因為它只會顯示最高的模式。 一種解決方案是有效地求導並尋找斜率從正變為負的位置。 我們可以用diff以數字方式執行此操作，並且由於我們只關心結果是正數還是負數，因此在其上sign以將所有內容變為 -1 和 1。* 如果我們在that上調用diff ，除最大值外，所有內容都將為 0和最小值，分別為 -2 和 2。 然后我們可以查找which值小於 0，我們可以使用它來進行子集化。 （因為diff沒有在末尾插入NA ，所以您必須在索引中添加一個。）總而言之，設計用於密度 object，

d <- density(mtcars$disp)

modes <- function(d){
    i <- which(diff(sign(diff(d$y))) < 0) + 1
    data.frame(x = d$x[i], y = d$y[i])
}

modes(d)
#>          x           y
#> 1 128.3295 0.003100294
#> 2 305.3759 0.002204658

d$x[which.max(d$y)]    # double-check
#> [1] 128.3295

我們可以將它們添加到我們的 plot 中，它們會得到很好的轉換：

ggplot(data.frame(x = d$x, y = d$y), aes(x, y)) + 
    geom_density(stat = "identity", fill = 'mistyrose', alpha = 0.3) + 
    geom_vline(xintercept = modes(d)$x) +
    scale_x_log10()

繪制計數而不是密度

要將 y 軸轉換為計數而不是密度，請將 y 乘以觀察次數，觀察次數以n形式存儲在密度 object 中：

ggplot(data.frame(x = d$x, y = d$y * d$n), aes(x, y)) + 
    geom_density(stat = "identity", fill = 'thistle', alpha = 0.3) + 
    geom_vline(xintercept = modes(d)$x) +
    scale_x_log10()

在這種情況下，它看起來有點傻，因為只有 32 個觀測值分布在一個寬域中，但是對於更大的 n 和更小的域，它更易於解釋：

d <- density(diamonds$carat, n = 2048)

ggplot(data.frame(x = d$x, y = d$y * d$n), aes(x, y)) + 
    geom_density(stat = "identity", fill = 'papayawhip', alpha = 0.3) + 
    geom_point(data = modes(d), aes(y = y * d$n)) +
    scale_x_log10()

---

* 如果值正好為 0，則為 0，但這在這里不太可能並且無論如何都可以正常工作。