更简单的方法来绘制ggplot中的累积频率分布？

Question

我正在寻找一种更简单的方法来绘制ggplot中的累积分布线.

我有一些数据,我可以立即显示直方图

qplot (mydata, binwidth=1);

我在http://www.r-tutor.com/elementary-statistics/quantitative-data/cumulative-frequency-graph找到了一种方法,但它涉及几个步骤,在探索数据时耗时.

有没有办法在ggplot中以更直接的方式执行此操作,类似于如何通过指定选项添加趋势线和置信区间？

Answer 1

新版本的ggplot2(0.9.2.1)有一个内置的stat_ecdf()函数,可以让你很容易地绘制累积分布.

qplot(rnorm(1000), stat = "ecdf", geom = "step")

要么

df <- data.frame(x = c(rnorm(100, 0, 3), rnorm(100, 0, 10)),
             g = gl(2, 100))
ggplot(df, aes(x, colour = g)) + stat_ecdf()

来自ggplot2文档的代码示例.

Answer 2

ecdf()R中有一个内置函数,可以使事情变得更容易.这是一些示例代码,利用plyr

library(plyr)
data(iris)

## Ecdf over all species
iris.all <- summarize(iris, Sepal.Length = unique(Sepal.Length), 
                            ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)))

ggplot(iris.all, aes(Sepal.Length, ecdf)) + geom_step()

#Ecdf within species
iris.species <- ddply(iris, .(Species), summarize,
                            Sepal.Length = unique(Sepal.Length),
                            ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)))

ggplot(iris.species, aes(Sepal.Length, ecdf, color = Species)) + geom_step()

编辑我刚刚意识到你想要累积频率.你可以通过将ecdf值乘以观察总数来得到它:

iris.all <- summarize(iris, Sepal.Length = unique(Sepal.Length), 
                            ecdf = ecdf(Sepal.Length)(unique(Sepal.Length)) * length(Sepal.Length))

iris.species <- ddply(iris, .(Species), summarize,
                            Sepal.Length = unique(Sepal.Length),
                            ecdf = ecdf(Sepal.Length)(unique(Sepal.Length))*length(Sepal.Length))

Answer 3

更简单:

qplot(unique(mydata), ecdf(mydata)(unique(mydata))*length(mydata), geom='step')