R绘图笔记 | 直方图和核密度估计图的绘制

参考前文：R绘图笔记 | R语言绘图系统与常见绘图函数及参数

前面，介绍过散点图绘制，也介绍了柱状图的绘制。本文介绍直方图和核密度估计图的绘制。

1.直方图
直方图是数值数据分布的精确图形表示。这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是（但不是必须的）相等的大小。
我们先读入数据

library(ggplot2)  
df<-read.csv("Hist_Density_Data.csv",stringsAsFactors=FALSE)

这里的df是用来绘图的数据。部分信息如下，自己绘图知道什么格式就行。

> head(df)
  MXSPD Location
1  15.0 Adelaide
2  18.1 Adelaide
3  16.9 Adelaide
4  18.1 Adelaide
5  16.9 Adelaide
6  15.9 Adelaide
> dim(df)
[1] 12041     2

如果是单组数据的话，最简单的方法是利用hist函数。

hist(df$MXSPD, 
     breaks=15, #分组个数
     col="blue",  #红色
     xlab="MXSPD", # x轴标签
     main="Colored histogram with 15 bins")# 标题

其实，就是对一组数据进行频率统计，而有时候我们想在一个图中绘制多组数据的话，利用ggplot2系统绘图会更方便一些。在ggplot2系统中，直方图用geom_histogram函数。

geom_histogram(mapping = NULL, data = NULL, stat = "bin",
  position = "stack", ..., binwidth = NULL, bins = NULL,
  na.rm = FALSE, show.legend = NA, inherit.aes = TRUE)

mapping由aes()或aes_()创建的映射集。如果指定并继承，其实也就是ggplot(..., aes(x=MXSPD, fill=Location))中的aes，所以aes = TRUE(默认值)，它与图的顶层的默认映射结合在一起。data就是用于绘图的数据，通常是继承自调用ggplot()中指定的绘图数据，所以不需要指定。binwidth指定柱子的宽度，alpha指定透明度，值为0到1之间。colour指定柱子边框颜色。

ggplot(df, aes(x=MXSPD, fill=Location))+  
  geom_histogram(binwidth = 1,alpha=0.5,colour="black",size=0.25)+#, aes(fill = ..count..) )
  theme(
    text=element_text(size=15,color="black"),
    plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),#,
    legend.position=c(0.8,0.8),
    legend.background = element_blank()
  )

上面参数，修改一下看看就知道怎么回事啦。

ggplot(df, aes(x=MXSPD, fill=Location))+  
  geom_histogram(binwidth = 2,alpha=1,colour="blue",size=0.25)+#, aes(fill = ..count..) )
  theme(
    text=element_text(size=15,color="black"),
    plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),#,
    legend.position=c(0.8,0.8),
    legend.background = element_blank()
  )

2.核密度估计图

核密度估计（kernel density estimation）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。

在ggplot2系统中，核密度估计图用geom_density函数。

geom_density(mapping = NULL, data = NULL, stat = "density",
  position = "identity", ..., na.rm = FALSE, show.legend = NA,
  inherit.aes = TRUE)

下面是绘图。

ggplot(df, aes(x=MXSPD,  fill=Location))+ 
  geom_density(alpha=0.55,bw=1,colour="black",size=0.25)+
  theme(
    text=element_text(size=15,color="black"),
    plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),#,
    legend.position=c(0.8,0.8),
    legend.background = element_blank()
  )

参考资料：

1.R语言数据可视化之美，张杰/著

2.百度百科词条：直方图、核密度估计图