R: ecdf优于直方图

Question

在R中，使用ecdf我可以绘制经验累积分布函数

plot(ecdf(mydata))

使用hist，我可以绘制数据的直方图

hist(mydata)

如何在同一图中绘制直方图和ecdf？

编辑

我试着做这样的东西

https://mathematica.stackexchange.com/questions/18723/how-do-i-overlay-a-histogram-with-a-plot-of-cdf

Answer 1

还有一点晚了，这里有另一个解决方案，它扩展了@Christoph的解决方案，增加了第二个y轴。

par(mar = c(5,5,2,5))
set.seed(15)
dt <- rnorm(500, 50, 10)
h <- hist(
  dt,
  breaks = seq(0, 100, 1),
  xlim = c(0,100))

par(new = T)

ec <- ecdf(dt)
plot(x = h$mids, y=ec(h$mids)*max(h$counts), col = rgb(0,0,0,alpha=0), axes=F, xlab=NA, ylab=NA)
lines(x = h$mids, y=ec(h$mids)*max(h$counts), col ='red')
axis(4, at=seq(from = 0, to = max(h$counts), length.out = 11), labels=seq(0, 1, 0.1), col = 'red', col.axis = 'red')
mtext(side = 4, line = 3, 'Cumulative Density', col = 'red')

​

​

诀窍如下:您不需要在绘图中添加一行，而是在顶部绘制另一个绘图，这就是我们需要par(new = T)的原因。然后，您必须稍后添加y轴(否则它将绘制在左侧的y轴上)。

Credits go here (@tim_yates Answer)和there

Answer 2

有两种方法可以做到这一点。一种是忽略不同的尺度，并在直方图中使用相对频率。这会导致直方图更难阅读。第二种方法是改变一个或另一个元素的比例。

我怀疑你很快就会对this question感兴趣，尤其是@hadley的回答。

ggplot2单比例尺

这里有一个ggplot2的解决方案。不过，我不确定您是否会对结果感到满意，因为CDF和直方图(计数或相对)处于完全不同的视觉尺度上。注意:此解决方案将数据放在名为mydata的数据帧中，并在x中包含所需的变量。

library(ggplot2)
set.seed(27272)
mydata <- data.frame(x=  rexp(333, rate=4) + rnorm(333))

 ggplot(mydata, aes(x)) + 
     stat_ecdf(color="red") + 
     geom_bar(aes(y = (..count..)/sum(..count..))) 

​

​

基数R多尺度

在这里，我将重新调整经验CDF的比例，以便其最大值不是最大值1，而是具有最高相对频率的任何bin。

h  <- hist(mydata$x, freq=F)
ec <- ecdf(mydata$x)
lines(x = knots(ec), 
    y=(1:length(mydata$x))/length(mydata$x) * max(h$density), 
    col ='red')

​

​

Answer 3

您可以尝试使用第二个轴的ggplot方法

set.seed(15)
a <- rnorm(500, 50, 10)

# calculate ecdf with binsize 30
binsize=30
df <- tibble(x=seq(min(a), max(a), diff(range(a))/binsize)) %>% 
        bind_cols(Ecdf=with(.,ecdf(a)(x))) %>% 
        mutate(Ecdf_scaled=Ecdf*max(a))
# plot
ggplot() + 
  geom_histogram(aes(a), bins = binsize) +
  geom_line(data = df, aes(x=x, y=Ecdf_scaled), color=2, size = 2) + 
  scale_y_continuous(name = "Density",sec.axis = sec_axis(trans = ~./max(a), name = "Ecdf"))

​

​

编辑

由于缩放错误，我添加了第二个解决方案，提前计算所有内容：

binsize=30
a_range= floor(range(a)) +c(0,1)

b <- seq(a_range[1], a_range[2], round(diff(a_range)/binsize)) %>% floor() 


df_hist <- tibble(a) %>% 
  mutate(gr = cut(a,b, labels = floor(b[-1]), include.lowest = T, right = T)) %>% 
  count(gr) %>% 
  mutate(gr = as.character(gr) %>% as.numeric()) 

# calculate ecdf with binsize 30
df <- tibble(x=b) %>% 
  bind_cols(Ecdf=with(.,ecdf(a)(x))) %>% 
  mutate(Ecdf_scaled=Ecdf*max(df_hist$n))
  
ggplot(df_hist, aes(gr, n)) + 
   geom_col(width = 2, color = "white") + 
   geom_line(data = df, aes(x=x, y=Ecdf*max(df_hist$n)), color=2, size = 2) +
   scale_y_continuous(name = "Density",sec.axis = sec_axis(trans = ~./max(df_hist$n), name = "Ecdf"))

​

​