ggplot2 网格重叠超出边界

gplot2 grids overlap out of boundary

我在[0,1]中统一创建点,每个点都有观测值。但是 ggpolot 显示了一些大于 1 的观测值,这些观测值在边界之外。为什么即使坐标在 0 和 1 范围内也会发生这种情况?你知道如何避免这种情况吗?

x=runif(10^6)
y=runif(10^6)
z=rnorm(10^6)

new.data=data.frame(x,y,z)

library(ggplot2)

ggplot(data=new.data) + stat_summary_2d(fun = mean, aes(x=x, y=y, z=z))

这是一个与用于分箱的网格有关的问题。 让我们用一个更小的例子。

set.seed(42)
x=runif(10^3)
y=runif(10^3)
z=rnorm(10^3)

new.data=data.frame(x,y,z)

library(ggplot2)

(g <- ggplot(data=new.data) + 
    stat_summary_2d(fun = mean, aes(x=x, y=y, z=z))  +
    geom_point(aes(x, y)))

现在让我们放大左上角的那个框

g + coord_cartesian(xlim = c(0.02, 0.075), ylim = c(0.99, 1.035), 
                    expand = FALSE)

如您所见,该框从 y = 1 以下开始但延伸至该值以上 因为您正在根据某些 binwidth 对观察结果进行分箱。 如果使用直方图,也会出现同样的现象。

ggplot(data.frame(x = runif(1000, 0, 1)), aes(x)) +
  geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

geom_histogram 中,可以通过设置 boundary 参数来避免这种情况 为 0,箱子数量为总长度的倍数。

ggplot(data.frame(x = runif(1000, 0, 1)), aes(x)) +
  geom_histogram(boundary = 0, binwidth = 0.1)

所以您的解决方案是将 binwidth 设置为 1/n,其中 n 是 一个整数

ggplot(data=new.data) + 
    stat_summary_2d(fun = mean, aes(x=x, y=y, z=z), binwidth = 0.1)  +
    geom_point(aes(x, y))

reprex package (v0.2.1.9000)

创建于 2018-11-04

你有:

set.seed(1)
x=runif(10^6)

这是 going on behind the scenes 的内容:

bins <- 30L
range <- range(x)
origin <- 0L
binwidth <- diff(range)/bins
breaks <- seq(origin, range[2] + binwidth, binwidth)
bins <- cut(x, breaks, include.lowest = TRUE, right = TRUE, dig.lab = 7)
table(bins)
# ...
# (0.8999984,0.9333317]   (0.9333317,0.9666649]   (0.9666649,0.9999982] 
# 33217                   33039                   33297 
# (0.9999982,1.033331] 
# 1 
max(x)
# [1] 0.9999984

How come this can happen even though coordinates are within 0 and 1 range

  1. binning 从 0 开始(不是最小值)
  2. 每个 bin 的大小为 binwidth
  3. 有一个最终的 bin 以最大值 + binwidth 结束,它获得最大值

Do you have any idea how to avoid this?

一种方法是定义您自己的休息时间:

ggplot(data=new.data) + stat_summary_2d(fun = mean, aes(x=x, y=y, z=z), breaks = seq(0, 1, .1))