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

Question

我试图用stat_ecdf()累积成功作为预测模型创建的排名得分的函数.

#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,到(1,1)结束,这样曲线的开头或结尾就没有间隙了.如果可能的话,我想在语法中做到这一点ggplot2,但我会满足于一个聪明的解决方法.

@Henrik这不是这个问题的重复,因为我已经用scale_x_和定义了我的限制_y_continuous(),并且添加expand_limits()没有做任何事情.它不是PLOT的起源,而是需要修复的stat_ecdf()的端点.

Answer 1

不幸的是，这里的定义stat_ecdf没有任何回旋余地；它在内部确定端点。

有一个稍微先进的解决方案。使用最新版本的 ggplot2 ( devtools::install_github("hadley/ggplot2"))，可扩展性得到了改进，可以覆盖此行为，但不能没有一些样板。

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 相同stat_ecdf，但带有可选的minval和maxval参数。所以这就能解决问题：

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")

这里需要注意的是，我不知道将来是否会支持当前的可扩展性模型；它在过去已经改变了好几次，并且使用“ggproto”的改变是最近的——比如最近的 2015 年 7 月 15 日。

另外，这让我有机会真正深入了解 ggplot 的内部结构，这是我一段时间以来一直想做的事情。