geom_point中stat='bin'的变换作用及对应数值含义咨询

一、stat='bin'执行的数据变换 #

当你在geom_point()里设置stat='bin'时，是对x轴绑定的连续变量做分箱统计，具体步骤：

• 自动把x轴变量的数值范围划分成若干等宽区间（默认30个，可通过bins参数调整数量）
• 统计每个区间内包含的原始数据点个数（这个数值就是stat(count)）
• 每个分箱对应的点，会被放置在该区间的中点位置（x坐标为分箱中点，y坐标默认是该分箱的样本数）

二、你提供的代码结果含义 #

先看这段代码：

ggplot(mpg, aes(x = displ)) + geom_point(color = 'red', stat = 'bin') + 
              geom_text(stat = 'bin',aes(label = stat(count)))

• 红色点：每个点对应displ（发动机排量）的一个分箱，x位置是该分箱的排量中点，y位置代表这个排量区间里的样本数量
• 旁边的数字：就是stat(count)的结果，也就是对应分箱内的样本总数，和点的y坐标值完全一致

三、和stat='count'的区别 #

stat='count'是针对离散变量的，统计每个类别出现的次数，每个类别对应一个点；而stat='bin'是给连续变量做分箱，把连续数值切成一段段区间后统计样本数，用来快速观察连续变量的分布规律（点越高，说明该区间的样本越多）

内容的提问来源于stack exchange，提问作者Laura