Statistical transformations 统计转换

下图显示了钻石数据集中的钻石总数，按切工分组。钻石数据集来自 ggplot2，包含大约 54,000 颗钻石的信息，包括每颗钻石的价格、克拉、颜色、净度和切工。该图表显示，与低质量切割相比，高质量切割的钻石更多。

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut))

在 x 轴上，图表显示切工，这是钻石的一个变量。 在 y 轴上，它显示计数，但计数不是钻石中的变量！ 计数从何而来？ 许多图表（如散点图）绘制数据集的原始值。 其他图形，如条形图，计算要绘制的新值：

• 条形图、直方图和频率多边形对您的数据进行分箱，然后绘制分箱计数，即落在每个分箱中的点数。
• 平滑器将模型拟合到您的数据，然后根据模型绘制预测。
• boxplots 计算分布的可靠摘要，然后显示一个特殊格式的框。

用于计算图形新值的算法称为 stat，是统计变换的缩写。 下图描述了这个过程如何与 geom_bar() 一起工作。

您可以通过检查 stat 参数的默认值来了解 geom 使用的统计信息。 例如，?geom_bar 显示 stat 的默认值是“count”，这意味着 geom_bar() 使用 stat_count()。 stat_count() 与 geom_bar() 记录在同一页面上，如果向下滚动，您可以找到名为“计算变量”的部分。 这描述了它如何计算两个新变量：count 和 prop。 您通常可以交替使用 geoms 和 stats。 例如，您可以使用 stat_count() 而不是 geom_bar() 重新创建之前的图：

ggplot(data = diamonds) + 
  stat_count(mapping = aes(x = cut))

 

在下面的代码中，我将 geom_bar() 的 stat 从 count（默认）更改为 identity。 这让我可以将条形的高度映射到 y 的原始值.

demo <- tribble(
  ~cut,         ~freq,
  "Fair",       1610,
  "Good",       4906,
  "Very Good",  12082,
  "Premium",    13791,
  "Ideal",      21551
)

ggplot(data = demo) +
  geom_bar(mapping = aes(x = cut, y = freq), stat = "identity")

例如，您可能想要显示比例条形图，而不是计数：

 

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, y = stat(prop), group = 1))

 

 

 例如，您可以使用 stat_summary() 来汇总每个唯一 x 值的 y 值，以引起对您正在计算的摘要的注意：

ggplot(data = diamonds) + 
  stat_summary(
    mapping = aes(x = cut, y = depth),
    fun.min = min,
    fun.max = max,
    fun = median
  )

 

ggplot2 提供超过 20 个统计数据供您使用。 每个 stat 都是一个函数，因此您可以通过通常的方式获得帮助，例如 ?stat_bin。 要查看完整的统计信息列表，请尝试 ggplot2 备忘单。