即使所有值都 > 0，为什么 geom_histogram 从负 bin 下限开始？

Question

我正在尝试 H.Wickham 在 R 书中的钻石数据集。在 x = 克拉的钻石的默认 geom_histogram 中，binwidth 为 0.5，但 bin 1 从 -0.25 开始，即使克拉的最低值为 0.2。为什么会这样？附上图片和代码作为上下文。谁能帮忙解释一下。谢谢。

##geom_histogram
geom_histogram(mapping=aes(x = carat),binwidth = 0.5)

summary(diamonds)
##dplyr to get count of cut[![enter image description here][1]][1]
diamonds %>%
count(cut_width(carat,0.5))

Answer 1

这有帮助吗？

在 p1 中，第一个 bin 以 0 为中心。但是您希望 bin 的左侧以 0 - p2 开始。所以你必须告诉 ggplot 移动垃圾箱。您可以使用文档中讨论的boundaryorcenter参数来执行此操作。

library(ggplot2)
library(patchwork)

##geom_histogram

p1 <- 
  ggplot(diamonds)+
  geom_histogram(mapping=aes(x = carat), binwidth = 0.5)+
  ggtitle("p1 bars centred on bin boundaries")


p2 <- 
  ggplot(diamonds)+
  geom_histogram(mapping=aes(x = carat), binwidth = 0.5, boundary = 0)+
  ggtitle("p2 bars between bin boundaries")




p1+p2

^{由reprex 包(v0.3.0)于 2020 年 5 月 25 日创建}

Answer 2

cut_width对宇宙的物理定律一无所知，所以不知道carat应该是正的。让我们看看它为什么这样做。我目前正在使用ggplot2-3.2.1，因此某些行可能已在较新的版本中更新。

debugonce(cut_width)
cut_width(diamonds$carat, 0.5)
# debug: {
#     x <- as.numeric(x)
#     width <- as.numeric(width)
# ...truncated...

逐步退出，直到定义了大多数辅助变量，然后

x_range
# [1] 0.20 5.01
boundary
# [1] 0.25
c(min_x, max_x)
# [1] -0.25  5.51
breaks
#  [1] -0.25  0.25  0.75  1.25  1.75  2.25  2.75  3.25  3.75  4.25  4.75  5.25

重要的是，我们知道数据范围从 0.2 到 5.01 ( x_range)，boundary是一半width（根据代码），并且min_x由另一个辅助函数 确定find_origin。为什么这个函数认为 -0.25 是合理的第一个 bin 开始？代码对此不是很清楚（我会问作者）。

如果你想控制它，请添加boundary=：

levels(cut_width(diamonds$carat, 0.5))
#  [1] "[-0.25,0.25]" "(0.25,0.75]"  "(0.75,1.25]"  "(1.25,1.75]"  "(1.75,2.25]"  "(2.25,2.75]"  "(2.75,3.25]"  "(3.25,3.75]" 
#  [9] "(3.75,4.25]"  "(4.25,4.75]"  "(4.75,5.25]" 
levels(cut_width(diamonds$carat, 0.5, boundary=0))
#  [1] "[0,0.5]" "(0.5,1]" "(1,1.5]" "(1.5,2]" "(2,2.5]" "(2.5,3]" "(3,3.5]" "(3.5,4]" "(4,4.5]" "(4.5,5]" "(5,5.5]"