Superposition d'histogrammes avec ggplot2 en R

Question

Je suis nouveau dans R et j'essaie de tracer 3 histogrammes sur le même graphique. Tout fonctionne bien, mais mon problème est que l'on ne voit pas où 2 histogrammes se chevauchent - ils semblent plutôt coupés.

Lorsque je réalise des diagrammes de densité, tout est parfait : chaque courbe est entourée d'une ligne noire, et les couleurs sont différentes là où les courbes se chevauchent.

Quelqu'un peut-il me dire si l'on peut obtenir quelque chose de similaire avec les histogrammes de la première image ? Voici le code que j'utilise :

lowf0 <-read.csv (....)
mediumf0 <-read.csv (....)
highf0 <-read.csv(....)
lowf0$utt<-'low f0'
mediumf0$utt<-'medium f0'
highf0$utt<-'high f0'
histogram<-rbind(lowf0,mediumf0,highf0)
ggplot(histogram, aes(f0, fill = utt)) + geom_histogram(alpha = 0.2)

Answer 1

En utilisant l'échantillon de données de @joran,

ggplot(dat, aes(x=xx, fill=yy)) + geom_histogram(alpha=0.2, position="identity")

Notez que la position par défaut de geom_histogram est "stack".

voir "réglage de la position" de cette page :

geom_histogram documentation

Answer 2

Votre code actuel :

ggplot(histogram, aes(f0, fill = utt)) + geom_histogram(alpha = 0.2)

dit ggplot pour construire un l'histogramme en utilisant toutes les valeurs dans f0 puis de colorer les barres de cet histogramme unique en fonction de la variable utt .

Ce que vous voulez plutôt, c'est créer trois histogrammes distincts, avec un mélange alpha pour qu'ils soient visibles les uns à travers les autres. Vous voulez donc probablement utiliser trois appels distincts à geom_histogram où chacun a son propre cadre de données et son propre remplissage :

ggplot(histogram, aes(f0)) + 
    geom_histogram(data = lowf0, fill = "red", alpha = 0.2) + 
    geom_histogram(data = mediumf0, fill = "blue", alpha = 0.2) +
    geom_histogram(data = highf0, fill = "green", alpha = 0.2) +

Voici un exemple concret avec quelques résultats :

dat <- data.frame(xx = c(runif(100,20,50),runif(100,40,80),runif(100,0,30)),yy = rep(letters[1:3],each = 100))

ggplot(dat,aes(x=xx)) + 
    geom_histogram(data=subset(dat,yy == 'a'),fill = "red", alpha = 0.2) +
    geom_histogram(data=subset(dat,yy == 'b'),fill = "blue", alpha = 0.2) +
    geom_histogram(data=subset(dat,yy == 'c'),fill = "green", alpha = 0.2)

ce qui donne quelque chose comme ceci :

Modifié pour corriger les fautes de frappe ; vous vouliez du remplissage, pas de la couleur.

Answer 3

Bien que quelques lignes seulement soient nécessaires pour tracer des histogrammes multiples ou superposés dans ggplot2, les résultats ne sont pas toujours satisfaisants. Il faut utilisation appropriée des bordures et des couleurs pour que l'œil puisse différencier les histogrammes .

Les fonctions suivantes équilibrent couleurs des bordures, opacités et tracés de densité superposés pour permettre au spectateur de différencier les distributions .

Histogramme simple :

plot_histogram <- function(df, feature) {
    plt <- ggplot(df, aes(x=eval(parse(text=feature)))) +
    geom_histogram(aes(y = ..density..), alpha=0.7, fill="#33AADE", color="black") +
    geom_density(alpha=0.3, fill="red") +
    geom_vline(aes(xintercept=mean(eval(parse(text=feature)))), color="black", linetype="dashed", size=1) +
    labs(x=feature, y = "Density")
    print(plt)
}

Histogramme multiple :

plot_multi_histogram <- function(df, feature, label_column) {
    plt <- ggplot(df, aes(x=eval(parse(text=feature)), fill=eval(parse(text=label_column)))) +
    geom_histogram(alpha=0.7, position="identity", aes(y = ..density..), color="black") +
    geom_density(alpha=0.7) +
    geom_vline(aes(xintercept=mean(eval(parse(text=feature)))), color="black", linetype="dashed", size=1) +
    labs(x=feature, y = "Density")
    plt + guides(fill=guide_legend(title=label_column))
}

Utilisation :

Tout simplement passer votre cadre de données dans les fonctions ci-dessus ainsi que les arguments souhaités :

plot_histogram(iris, 'Sepal.Width')

plot_multi_histogram(iris, 'Sepal.Width', 'Species')

El paramètre supplémentaire dans plot_multi_histogram est le nom de la colonne contenant les étiquettes des catégories.

Nous pouvons voir cela de manière plus spectaculaire en créant un cadre de données avec de nombreux moyens de distribution différents :

a <-data.frame(n=rnorm(1000, mean = 1), category=rep('A', 1000))
b <-data.frame(n=rnorm(1000, mean = 2), category=rep('B', 1000))
c <-data.frame(n=rnorm(1000, mean = 3), category=rep('C', 1000))
d <-data.frame(n=rnorm(1000, mean = 4), category=rep('D', 1000))
e <-data.frame(n=rnorm(1000, mean = 5), category=rep('E', 1000))
f <-data.frame(n=rnorm(1000, mean = 6), category=rep('F', 1000))
many_distros <- do.call('rbind', list(a,b,c,d,e,f))

Passage du cadre de données comme précédemment (et élargissement du graphique en utilisant les options) :

options(repr.plot.width = 20, repr.plot.height = 8)
plot_multi_histogram(many_distros, 'n', 'category')

Pour ajouter un ligne verticale séparée pour chaque distribution :

plot_multi_histogram <- function(df, feature, label_column, means) {
    plt <- ggplot(df, aes(x=eval(parse(text=feature)), fill=eval(parse(text=label_column)))) +
    geom_histogram(alpha=0.7, position="identity", aes(y = ..density..), color="black") +
    geom_density(alpha=0.7) +
    geom_vline(xintercept=means, color="black", linetype="dashed", size=1)
    labs(x=feature, y = "Density")
    plt + guides(fill=guide_legend(title=label_column))
}

Le seul changement par rapport au précédent plot_multi_histogramme est l'addition de means aux paramètres, et en modifiant les geom_vline pour accepter des valeurs multiples.

Utilisation :

options(repr.plot.width = 20, repr.plot.height = 8)
plot_multi_histogram(many_distros, "n", 'category', c(1, 2, 3, 4, 5, 6))

Résultat :

Puisque j'ai défini les moyens explicitement dans many_distros Je peux simplement les faire passer. Vous pouvez également les calculer dans la fonction et les utiliser de cette façon.