ggplot2集锦之四统计变换stat

本文介绍ggplot2中stat_xxx()相关的设置。

使用ggplot2绘制图表时，涉及统计变换时，这时stat_xxx()函数就派上用场了。统计转换函数是在数据被绘制出来之前对数据进行聚合和其他计算。
常用的stat_xxx()函数有：stat_xxx()确定了数据的计算方法。因此，一个stat函数必须与一个geom()函数相对应才能进行计算。stat_与geom在一定程度上可以互换。
如图：

stat_smooth()、stat_bin()、stat_ecdf()、stat_count()、stat_density()、stat_function、stat_summray()等等。

1. stat_summary()

假定我们有一组数据，现在想画一个柱状图，一个柱子代表每一组group，柱子的高度代表的score的均值，这很容易搞定，但是如果我们想要加误差棒呢？我们需要再次整理数据，然后传递给ggplot，整合两个数据，一个用于绘制柱状图，一个用于绘制误差棒。

simple_data_bar <- simple_data %>%
  group_by(group) %>% 
  summarize(
    mean_score = mean(score),
    .groups = 'drop')
  
simple_data_errorbar <- simple_data %>% 
  group_by(group) %>% 
  summarize(
    mean_score = mean(score),
    se = sqrt(var(score)/length(score)),
    .groups = 'drop') %>% 
  mutate(
    lower = mean_score - se,
    upper = mean_score + se)

ggplot() +
  geom_col(
    aes(x = group, y = mean_score),
    data = simple_data_bar) +
  geom_errorbar(
    aes(x = group, y = mean_score, ymin = lower, ymax = upper),
    data = simple_data_errorbar)

如果使用stat_summary()函数，很简单就可以实现：

simple_data %>% 
  ggplot(aes(group, score)) +
  stat_summary(geom = "bar") +
  stat_summary(geom = "errorbar")

stat_**()函数可以将数据进行内部的统计转换，传递给ggplot()进行画图，因此不需要重新做一个dataframe，简单方便。

例如：

1
2
3

ggplot(df,aes(x,y))+
 geom_point()+
 stat_summary(fun = mean, geom = "point", shape=21,size=3,fill="white")

上述例子里，stat_summary()对每一个x，计算y的均值，并在散点图上添加一个均值（白色点）。

stat_summary()适用的几何形状：geom_errorbar()、geom_pointrange()、geom_linerange()、geom_crossbar()、geom_point()。

ggplot(iris,aes(x=Species,y=Sepal.Length))+
 geom_errorbar(stat = "summary")

ggplot(iris,aes(x=Species,y=Sepal.Length))+
 stat_summary(geom = "bar")+
 stat_summary(geom = "errorbar")

stat_summary()中函数可以是自定义函数。例如：

my_fun <- function(x){
  tibble(y=length(x))
}

ggplot(iris,aes(x=Species,y=Sepal.Length))+
 geom_bar(stat = "summary",fun.data = my_fun)

stat_summary()也可以添加文本，geom换成text即可。

2. stat_smooth()

stat_summary()函数用于（为scatter plot）生成拟合曲线。例如，生成回归曲线,se=FALSE生成的图片不包含置信区间。
适用几何形状：geom_smmooth、geom_line()、geom_point()。

1
2
3

ggplot(mtcars,aes(x=mpg,y=disp))+
 geom_point()+
 stat_smooth(method="lm",se=FALSE)

3. stat_bin()

stat_bin()函数对x根据每个bin进行计数。适用的几何形状：geom_bar()、geom_histogram()、geom_freqpoly()。

1 2	ggplot(mtcars,aes(x=mpg))+ geom_histogram(stat="bin",binwidth=1)

1 2	ggplot(mtcars,aes(x=mpg))+ stat_bin(geom = "bar",binwidth = 1)

上述两个得到的图是一样的。

4. stat_density()

stat_density()对一个连续的变量，生成一个density plot。

1
2
3

ggplot(mtcars,aes(mpg))+
 geom_density(fill="lightblue",alpha=0.5)+
 geom_vline(aes(xintercept=mean(mpg)),color="red",linetype="dashed")

1 2	ggplot(mtcars,aes(mpg))+ stat_density(fill="lightblue",alpha=0.5)

5.stat_ecdf()

stat_scdf()函数生成一个概率密度分布图。

1 2	ggplot(mtcars,aes(mpg))+ stat_ecdf()

6. stat_count()

state_identity()，表示映射值和data的值一样。
而stat_count()表示对data中的某个变量进行计数，stat_count()适用的几何形状：geom_point()、geom_bar()

例如，下面两个等价：

ggplot(iris,aes(Species,after_stat(count)))+
 stat_count(geom="bar")

ggplot(iris,aes(Species))+
 stat_count(geom="bar")

ggplot(iris,aes(Species))+
 geom_bar(stat = "count")

ggplot(iris,aes(Species,after_stat(count)))+
 stat_count(geom = "point")

ggplot(iris,aes(Specie))+
 stat_count(geom = "point")

ggplot(iris,aes(Species))+
 geom_point(stat = "count")

7. stat_density()

可以看做是直方图count计数的平滑版本。

适用几何形状：geom_area()、geom_line()、geom_point()、geom_density()。

ggplot(iris,aes(Sepal.Length))+
 stat_density(geom = "area")

ggplot(iris,aes(Sepal.Length))+
 geom_area(stat = "density")

ggplot(iris,aes(Sepal.Length))+
 stat_density(geom = "line")

ggplot(iris,aes(Sepal.Length))+
 geom_line(stat = "density")

ggplot(iris,aes(Sepal.Length))+
 stat_density(geom = "point")

ggplot(iris,aes(Sepal.Length))+
 geom_point(stat = "density")

1 2	ggplot(iris,aes(Sepal.Length))+ geom_density(stat = "density")

8. stat_boxplot()

默认几何形状：boxplot()

适用几何形状：geom_boxplot()、geom_point()。

如下，boxplot()括号中的都可以省略。

ggplot(iris,aes(Species,Sepal.Length))+
 geom_boxplot(stat = "boxplot")

ggplot(iris,aes(Species,Sepal.Length))+
 stat_boxplot(geom = "boxplot")

1 2	ggplot(iris,aes(Species,Sepal.Length))+ stat_point(geom = "boxplot")

9. stat_ydensity()

boxplot的密度图呈现。默认几何形状：geom_violin()；
适用几何形状：geom_violin()、geom_point()。

ggplot(iris,aes(Species,Sepal.Length))+
 stat_ydensity(geom = "violin")

ggplot(iris,aes(Species,Sepal.Length))+
 geom_violin(stat = "ydensity")

ggplot(iris,aes(Species,Sepal.Length))+
 stat_ydensity(geom = "point")

ggplot(iris,aes(Species,Sepal.Length))+
 geom_point(stat = "ydensity")

10. stat_bindot()

适用几何形状：geom_dotplot()。

1 2	ggplot(iris,aes(Sepal.Length))+ geom_dotplot()

11. stat_bin_2d()

统计落在x和y区域（长方形）上点的个数。
适用几何形状：geom_tile()、geom_point()、geom_bin2d()。

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 geom_tile(stat="bin_2d")

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 geom_point(stat="bin_2d",position="identity")

12. stat_bin_hex()

stat_bin_2d的六边形版本。适用几何形状：geom_hex()。

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 geom_hex(stat="binhex")

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 stat_bin_hex(geom = "hex")

13. stat_density_2d()

二维核密度估计，二维版本的stat_density()。
适用几何形状：geom_density_2d()、geom_raster()、geom_tile()、geom_path()、geom_point()、geom_polygon()。

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 geom_density2d()

ggplot(iris,aes(Sepal.Length,Sepal.Width))+
 stat_density2d()

绘制出的图形为等高线。

14. stat_ellipse()

假定数据服从多元分布，计算椭圆图形需要的参数。
适用几何形状：geom_path()。


ggplot(iris,aes(x=Sepal.Length,y=Sepal.Width,color=Species))+
 geom_point()+
 geom_path(stat = "ellipse")

ggplot(iris,aes(x=Sepal.Length,y=Sepal.Width,color=Species))+
 geom_point()+
 stat_ellipse(geom = "path",linetype=2,type="norm",level=0.95)

iris %>%
  ggplot(aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  purrr::map(
    .x = seq(0.1, 0.9, by  = 0.1),
    .f = function(level) {
      stat_ellipse(
        geom = "polygon", type = "norm",
        size = 0, alpha = 0.1, fill = "gray10",
        level = level
      )
    }
  )

还有好多stat函数，如：stat_function()、stat_spoke()、stat_quantile()、stat_summary_2d()、stat_summary_hex()、stat_contour()、stat_contour_filled()。