制作连续变量分布的barplot

Question

我正在制作一个barplot来显示连续变量的分布，例如，上市价格的价格分配。 我生成了一些样本数据，并使用ggplot2创建了一个barplot。

a<- rnorm (100, 1000, 1000) 
d <- as.data.frame(a) 
d <-d %>% mutate(b=cut(a, breaks=seq(min(a),max(a), 500))) %>% 
    group_by(b) %>% summarize(count=n()) 
ggplot(data=d, aes(x=b, y=count)) + 
    geom_bar(stat = 'identity')+ 
    theme (axis.text.x=element_text(angle=90, size=5, face='bold')) 

我的问题是

• 我怎么可以格式化x轴标签，这样，例如，1.22E + 03变为1220

• 为什么上次bin变成NA？

我知道我只能使用geom_histogram这个数据。但我只是想有一些灵活性来将连续变量分割成一些高度偏斜的数据。 任何帮助非常感谢。提前致谢。

Answer 1

这两个问题都是关于cut()。您应该阅读?cut

要避免类标签中的科学记数法，请使用参数dig.lab。在你的例子中，cut(a, breaks=seq(min(a),max(a), 500), dig.lab = 6L)似乎就够了。

NA s出现的原因有两个，与您的breaks参数有关。首先，默认情况下，cut()中不包含第一个中断，因此a == min(a)将会是NA。要解决此问题，请使用include.lowest = TRUE。

最后，你的最高值将被忽略，因为seq(min(a), max(a), 500)产生max(a)之前停止在500 最后的倍数载体，因此不包括max(a)。为了克服这个问题，你需要确保seq的第二个参数是max(a)之后的第一个500的倍数，如ceiling(max(a)/500) * 500。

因此，这应该工作：

d <-d %>% 
    mutate(b=cut(a, breaks=seq(min(a), ceiling(max(a)/500) * 500, 500), 
       include.lowest = TRUE, 
       dig.lab = 6L)) %>% 
    group_by(b) %>% summarize(count=n())