ggplot stat-ecdf 累积分布自定义最大值

Question

我有一个格式如下的 df:

df <- read.table(text="
DAYS    STATUS    ID
 2     Complete   A
 10    Complete   A
 15    Complete   B
 NA    Incomplete A
 NA    Incomplete B
 20    Complete   C", header=TRUE)

我使用以下方法绘制了累积分布：

  ggplot(df,aes(x=DAYS, color=ID)) +
  stat_ecdf(geom = "step")

因为这只是绘制完整的行，所以我想包括几天内有 NA 的不完整行。通过这样做，每个 ID 的累积分布不会达到 100%，因为某些行没有天数。

ID   PERCENT_COMPLETE
A         .95
B         .55
C         .5

例如，在我的完整数据集中，ID A 的状态为 0.95，因此分布线的最大值为 0.95，而 B 的最大值为 0.55。

Answer 1

似乎没有任何绘图函数以您想要的方式处理 NA 值。所以我们可以使用 dplyr

按照我们想要的方式预先计算值

library(ggplot2)
library(dplyr)
df <- read.table(text="
DAYS    STATUS    ID
 2     Complete   A
 10    Complete   A
 15    Complete   B
 NA    Incomplete A
 NA    Incomplete B
 20    Complete   C", header=TRUE)

incomplete_cdf <- function(x, gmin, gmax) {
  cdf <- rle(sort(na.omit(x)))
  obsx <- cdf$values
  obsy <- cumsum(cdf$lengths)/length(x)
  data.frame(x = c(gmin, obsx, gmax) , y=c(0, obsy, tail(obsy, 1)))
}

df %>% 
  mutate(gmin =min(DAYS, na.rm=TRUE), gmax=max(DAYS, na.rm=TRUE)) %>% 
  group_by(ID) %>% 
  summarize(incomplete_cdf(DAYS, first(gmin), first(gmax)))%>% 
  ggplot(aes(x=x, y=y, color=ID)) +
  geom_step()

ggplot stat-ecdf 累积分布自定义最大值

ggplot stat-ecdf cumulative distribution custom maximum

r

distribution

ggplot2

dplyr