【Udacity】3,3,3，频率多边形

频数多边形用来比较分布，优势就是比较两个或者多个分布
问题：男性和女性那个平均好友更多
1、friend_count分布直方图

qplot(x=friend_count,data = subset(pf,!is.na(gender)),binwidth=10)+
  scale_x_continuous(lim=c(0,1000),breaks = seq(0,1000,50))

2、按性别分开

> qplot(x=friend_count,data = subset(pf,!is.na(gender)),binwidth=10)+
+   scale_x_continuous(lim=c(0,1000),breaks = seq(0,1000,50))+
+   facet_wrap(~gender)

3、制作频数多边形
默认情况下，当qplot传递一个变量是，默认制作直方图，我们可以通过geom函数来改变制作的图形类型。
当创建不同的图形是，不在需要性别的逐面包裹，
在同一个图形上比较性别数据，需要将gender赋值给color

qplot(x=friend_count,data = subset(pf,!is.na(gender)),binwidth=10,geom='freqpoly',color=gender)+
  scale_x_continuous(lim=c(0,1000),breaks = seq(0,1000,50))

4、以上图形仍然不能回答我们的问题，这里讲y轴进行更改，将数值改为比例

qplot(x=friend_count,y=..count../sum(..count..),
      data = subset(pf,!is.na(gender)),
      binwidth=10,geom='freqpoly',color=gender)+
  scale_x_continuous(lim=c(0,1000),breaks = seq(0,1000,50))

等效的ggplot语法：

ggplot(aes(x = friend_count, y = ..count../sum(..count..)), data = subset(pf, !is.na(gender))) + 
  geom_freqpoly(aes(color = gender), binwidth=10) + 
  scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50)) + 
  xlab('好友数量') + 
  ylab('Percentage of users with that friend count')

请注意，sum(..count..) 将跨颜色进行总计，因此，显示的百分比是总用户数的百分比。要在每个组内绘制百分比，你可以尝试

y = ..density…
5、对于尾部的长尾数据我们可以使用log来进行比较

> qplot(x=friend_count,data = subset(pf,!is.na(gender)),
+       binwidth=10,geom='freqpoly',color=gender)+
+   scale_x_continuous(lim=c(0,1000),breaks = seq(0,1000,50))+
+   scale_x_log10()

等效的ggplot代码：

ggplot(aes(x = www_likes), data = subset(pf, !is.na(gender))) + 
  geom_freqpoly(aes(color = gender)) + 
  scale_x_log10()

6、对比男性和女性在网页上点赞数的不同

qplot(x=www_likes,data = subset(pf,!is.na(gender)),
      geom='freqpoly',color=gender)+
  scale_x_continuous()+
  scale_x_log10()

这里为了不出现上面的箭头形状，去掉了binwidth参数。
第一个问题是：在整个数据集中，对于男性有多少个 www_likes？
第二个问题是：哪个性别的 www_likes 总数更多？

> table(pf$gender)

female   male 
 40254  58574 
> by(pf$www_likes,pf$gender,summary)
pf$gender: female
    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
    0.00     0.00     0.00    87.14    25.00 14865.00 
------------------------------------------------------------------------------------------- 
pf$gender: male
    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
    0.00     0.00     0.00    24.42     2.00 12903.00 
> by(pf$www_likes,pf$gender,sum)
pf$gender: female
[1] 3507665
------------------------------------------------------------------------------------------- 
pf$gender: male
[1] 1430175