如何使用R语言绘制随时间变化的唯一国家累计数量统计图？

我明白你遇到的问题了——用stat_ecdf()得到的是比例而非绝对的国家数量，这是因为这个函数本身是用来计算经验累积分布函数的，Y轴默认展示的是「截至当前年份的样本占总样本的比例」，而非你需要的绝对累计国家数。下面是解决这个问题的完整步骤和代码：

步骤1：预处理数据，提取每个国家首次出现的年份 #

首先我们需要找出每个国家第一次出现在数据中的年份，因为只有首次出现才会让累计数量增加，后续重复出现的同国家不需要重复计数：

# 加载所需包
library(tidyverse)

# 从你的示例数据中提取每个国家的首次出现年份
first_appear <- mydf %>%
  group_by(Country) %>%
  summarise(first_year = min(Year)) %>%
  ungroup()

步骤2：计算截至每一年的累计唯一国家数 #

接下来我们需要把首次出现的年份按时间排序，然后生成累计计数。为了让图表在年份间更连贯（比如某一年没有新国家出现时，累计数量保持不变），我们可以生成覆盖所有年份的序列，并填充累计值：

# 获取数据中的年份范围
year_range <- seq(min(first_appear$first_year), max(first_appear$first_year), 1)

# 创建包含所有年份的完整数据框，并填充累计数量
full_cumulative <- tibble(Year = year_range) %>%
  # 匹配有新国家出现的年份的累计数
  left_join(
    first_appear %>%
      arrange(first_year) %>%
      mutate(cumulative_count = row_number()),
    by = c("Year" = "first_year")
  ) %>%
  # 向下填充累计数（没有新国家的年份沿用之前的数量）
  fill(cumulative_count, .direction = "down") %>%
  # 把最早年份之前的累计数设为0
  replace_na(list(cumulative_count = 0))

步骤3：绘制可视化图表 #

现在我们可以用ggplot2绘制阶跃图（用geom_step()比折线图更贴合数据逻辑，因为累计数量只会在有新国家出现的年份跳跃式增长）：

ggplot(full_cumulative, aes(x = Year, y = cumulative_count)) +
  geom_step(color = "#2c3e50", size = 1) +
  labs(
    x = "年份",
    y = "累计唯一国家数量",
    title = "随时间变化的累计唯一国家数量"
  ) +
  theme_minimal()

为什么stat_ecdf()不适用？ #

再补充解释一下：stat_ecdf()的核心是计算累积概率，比如对于你的数据，它会计算「截至某一年，样本中Year小于等于该年份的比例」，所以Y轴范围是0到1。而我们需要的是「截至某一年，已经出现的不同国家的总数」，这是一个绝对计数，因此必须先对数据进行分组去重、累计计数的预处理，再进行可视化。

内容的提问来源于stack exchange，提问作者anpami