在R中的ggplot2中一起使用stat_function和facet_wrap

Question

我正在尝试使用 ggplot2 绘制晶格类型数据，然后在样本数据上叠加正态分布，以说明基础数据与正态分布的偏离程度。我希望顶部的正常分布具有与面板相同的均值和标准差。

这是一个示例：

library(ggplot2)

#make some example data
dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

#This works
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) +  facet_wrap(~State_CD)
print(pg)

一切都运行良好，并生成了一个漂亮的三面板数据图。如何在顶部添加正常距离？看来我会使用 stat_function，但这失败了：

#this fails
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) + stat_function(fun=dnorm) +  facet_wrap(~State_CD)
print(pg)

stat_function 似乎与facet_wrap 功能不兼容。怎样才能让这两个玩得很好呢？

------------编辑---------

我尝试整合下面两个答案的想法，但我仍然不在那里：

使用组合这两个答案我可以一起破解：

library(ggplot)
library(plyr)

#make some example data
dd<-data.frame(matrix(rnorm(108, mean=2, sd=2),36,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

DevMeanSt <- ddply(dd, c("State_CD"), function(df)mean(df$Predicted_value)) 
colnames(DevMeanSt) <- c("State_CD", "mean")
DevSdSt <- ddply(dd, c("State_CD"), function(df)sd(df$Predicted_value) )
colnames(DevSdSt) <- c("State_CD", "sd")
DevStatsSt <- merge(DevMeanSt, DevSdSt)

pg <- ggplot(dd, aes(x=Predicted_value))
pg <- pg + geom_density()
pg <- pg + stat_function(fun=dnorm, colour='red', args=list(mean=DevStatsSt$mean, sd=DevStatsSt$sd))
pg <- pg + facet_wrap(~State_CD)
print(pg)

这非常接近......除了正常的 dist 绘图有问题：

我在这里做错了什么？

Answer 1

最初作为这个问题的答案发布，我也被鼓励在这里分享我的解决方案。

我也对将理论密度叠加在经验数据上感到沮丧，所以我编写了一个函数来自动化这个过程。自从 2009 年这个问题首次提出以来，ggplot2 极大地扩展了可扩展性，所以我将它放在 github 上的扩展包中（编辑：你现在可以在 CRAN 上找到它）。

library(ggplot2)
library(ggh4x)

set.seed(0)

# Make the example data
dd <- data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),
                 c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

ggplot(dd, aes(Predicted_value)) +
  geom_density() +
  stat_theodensity(colour = "red") +
  facet_wrap(~ State_CD)

^{由 reprex 包 (v0.3.0)}

Answer 2

如果您愿意使用 ggformula，那么这非常简单。 （也可以混合搭配并使用 ggformula 仅用于分布覆盖，但我将说明完整的 ggformula 方法。）

library(ggformula)
theme_set(theme_bw())

gf_dens( ~ Sepal.Length | Species, data = iris) %>%
  gf_fitdistr(color = "red") %>% 
  gf_fitdistr(dist = "gamma", color = "blue")

^{由 reprex 包 (v0.2.1) 于 2019 年 1 月 15 日创建}

Answer 3

我认为你需要提供更多信息。这似乎有效：

 pg <- ggplot(dd, aes(Predicted_value)) ## need aesthetics in the ggplot
 pg <- pg + geom_density() 
 ## gotta provide the arguments of the dnorm
 pg <- pg + stat_function(fun=dnorm, colour='red',            
            args=list(mean=mean(dd$Predicted_value), sd=sd(dd$Predicted_value)))
 ## wrap it!
 pg <- pg + facet_wrap(~State_CD)
 pg

我们为每个面板提供相同的均值和标准差参数。获取小组特定的平均值和标准偏差留给读者作为练习*;)

“*”换句话说，不确定如何完成......

Answer 4

如果您不想“手动”生成正态分布线图，仍然使用 stat_function 并并排显示图表 - 那么您可以考虑使用“Cookbook for R”上发布的“multiplot”函数作为facet_wrap 的替代品。您可以从此处将多图代码复制到您的项目中。

复制代码后，请执行以下操作：

# Some fake data (copied from hadley's answer)
dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

# Split the data by state, apply a function on each member that converts it into a 
# plot object, and return the result as a vector.
plots <- lapply(split(dd,dd$state),FUN=function(state_slice){ 
  # The code here is the plot code generation. You can do anything you would 
  # normally do for a single plot, such as calling stat_function, and you do this 
  # one slice at a time.
  ggplot(state_slice, aes(predicted)) + 
    geom_density() + 
    stat_function(fun=dnorm, 
                  args=list(mean=mean(state_slice$predicted), 
                            sd=sd(state_slice$predicted)),
                  color="red")
})

# Finally, present the plots on 3 columns.
multiplot(plotlist = plots, cols=3)

Answer 5

我认为最好的选择是使用 geom_line 手动绘制线条。

dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")
dd$Predicted_value<-dd$Predicted_value*as.numeric(dd$State_CD) #make different by state

##Calculate means and standard deviations by level
means<-as.numeric(by(dd[,2],dd$State_CD,mean))
sds<-as.numeric(by(dd[,2],dd$State_CD,sd))

##Create evenly spaced evaluation points +/- 3 standard deviations away from the mean
dd$vals<-0
for(i in 1:length(levels(dd$State_CD))){
    dd$vals[dd$State_CD==levels(dd$State_CD)[i]]<-seq(from=means[i]-3*sds[i], 
                            to=means[i]+3*sds[i],
                            length.out=sum(dd$State_CD==levels(dd$State_CD)[i]))
}
##Create normal density points
dd$norm<-with(dd,dnorm(vals,means[as.numeric(State_CD)],
                        sds[as.numeric(State_CD)]))


pg <- ggplot(dd, aes(Predicted_value)) 
pg <- pg + geom_density() 
pg <- pg + geom_line(aes(x=vals,y=norm),colour="red") #Add in normal distribution
pg <- pg + facet_wrap(~State_CD,scales="free")
pg

Answer 6

stat_function 旨在在每个面板中覆盖相同的函数。 （没有明显的方法可以将函数的参数与不同的面板相匹配）。

正如 Ian 所建议的，最好的方法是自己生成正态曲线，并将它们绘制为一个单独的数据集（这是您之前出错的地方 - 合并对于这个示例来说没有意义，并且如果你仔细观察，你会发现这就是为什么你会得到奇怪的锯齿图案）。

以下是我解决问题的方法：

dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

grid <- with(dd, seq(min(predicted), max(predicted), length = 100))
normaldens <- ddply(dd, "state", function(df) {
  data.frame( 
    predicted = grid,
    density = dnorm(grid, mean(df$predicted), sd(df$predicted))
  )
})

ggplot(dd, aes(predicted))  + 
  geom_density() + 
  geom_line(aes(y = density), data = normaldens, colour = "red") +
  facet_wrap(~ state)