在 R ggplot2 中，包括 stat_ecdf() 端点 (0,0) 和 (1,1)

Question

我正在尝试使用 stat_ecdf() 将累积成功绘制为预测模型创建的排名分数的函数。

#libraries
require(ggplot2)
require(scales)

# fake data for reproducibility
set.seed(123)
n <- 200
df <- data.frame(model_score= rexp(n=n,rate=1:n),
                 obs_set= sample(c("training","validation"),n,replace=TRUE))
df$model_rank <- rank(df$model_score)/n
df$target_outcome <- rbinom(n,1,1-df$model_rank)

# Plot Gain Chart using stat_ecdf()
ggplot(subset(df,target_outcome==1),aes(x = model_rank)) + 
  stat_ecdf(aes(colour = obs_set), size=1) + 
  scale_x_continuous(limits=c(0,1), labels=percent,breaks=seq(0,1,.1)) +
  xlab("Model Percentile") + ylab("Percent of Target Outcome") +
  scale_y_continuous(limits=c(0,1), labels=percent) +
  geom_segment(aes(x=0,y=0,xend=1,yend=1), 
               colour = "gray", linetype="longdash", size=1) +
  ggtitle("Gain Chart")

我想做的就是强制 ECDF 从 (0,0) 开始并在 (1,1) 结束，这样曲线的开头或结尾就没有间隙。如果可能的话，我想在 ggplot2 的语法内完成它，但我会接受一个聪明的解决方法。

@Henrik 这不是 this question 的副本，因为我已经用 scale_x_ 和 _y_continuous() 定义了我的限制，并且添加 expand_limits() 不起作用任何事物。需要修复的不是 PLOT 的起点，而是 stat_ecdf() 的端点。

Answer 1

不幸的是，stat_ecdf 的定义在这里没有回旋余地；它在内部确定端点。

有一个比较高级的解决方案。使用最新版本的 ggplot2 (devtools::install_github("hadley/ggplot2"))，可扩展性得到改进，可以覆盖此行为，但并非没有一些样板。

stat_ecdf2 <- function(mapping = NULL, data = NULL, geom = "step",
                      position = "identity", n = NULL, show.legend = NA,
                      inherit.aes = TRUE, minval=NULL, maxval=NULL,...) {
  layer(
    data = data,
    mapping = mapping,
    stat = StatEcdf2,
    geom = geom,
    position = position,
    show.legend = show.legend,
    inherit.aes = inherit.aes,
    stat_params = list(n = n, minval=minval,maxval=maxval),
    params = list(...)
  )
}


StatEcdf2 <- ggproto("StatEcdf2", StatEcdf,
  calculate = function(data, scales, n = NULL, minval=NULL, maxval=NULL, ...) {
    df <- StatEcdf$calculate(data, scales, n, ...)
    if (!is.null(minval)) { df$x[1] <- minval }
    if (!is.null(maxval)) { df$x[length(df$x)] <- maxval }
    df
  }
)

现在，stat_ecdf2 的行为与 stat_ecdf 相同，但具有可选的 minval 和 maxval 参数。所以这会成功：

ggplot(subset(df,target_outcome==1),aes(x = model_rank)) +
  stat_ecdf2(aes(colour = obs_set), size=1, minval=0, maxval=1) +
  scale_x_continuous(limits=c(0,1), labels=percent,breaks=seq(0,1,.1)) +
  xlab("Model Percentile") + ylab("Percent of Target Outcome") +
  scale_y_continuous(limits=c(0,1), labels=percent) +
  geom_segment(aes(x=0,y=0,xend=1,yend=1),
               colour = "gray", linetype="longdash", size=1) +
  ggtitle("Gain Chart")

这里最大的警告是，我不知道将来是否会支持当前的扩展模型；它过去已经更改过几次，使用 "ggproto" 的更改是最近的 -- 比如 2015 年 7 月 15 日最近。

另外，这让我有机会真正深入了解 ggplot 的内部结构，这是我一直想做的事情。

在 R ggplot2 中，包括 stat_ecdf() 端点 (0,0) 和 (1,1)

In R ggplot2, include stat_ecdf() endpoints (0,0) and (1,1)

r

ggplot2

ecdf