如何绘制按分组填充颜色的单条ECDF（经验累积分布函数）曲线

要实现将所有price数据合并为一条ECDF曲线，仅让点的填充颜色随cut分组变化，需要先手动计算整体数据的ECDF值，再将其与原始数据关联后绘图，避免stat_ecdf自动按分组计算独立ECDF。

具体步骤如下：

• 对抽样后的diamonds数据，计算所有price的排序及对应的累积概率（ECDF的y值）
• 用ggplot直接绘制点，x映射为price，y映射为手动计算的ECDF值，fill映射为cut

完整代码：

library(ggplot2)
library(dplyr)

diamonds %>%
  slice_sample(prop = 0.01) %>%
  mutate(
    # 计算所有price的秩，用average处理重复值保证ECDF准确性
    rank = rank(price, ties.method = "average"),
    # 计算整体ECDF的累积概率值
    ecdf_y = rank / n()
  ) %>%
  ggplot(aes(x = price, y = ecdf_y, fill = cut)) +
  geom_point(shape = 21) +
  labs(y = "ECDF")

代码说明 #

• rank(price, ties.method = "average")：针对所有price计算秩，重复值取平均秩，避免重复数据导致ECDF出现跳变误差
• ecdf_y = rank / n()：n()代表当前数据的总样本量，计算得到每个点对应的累积概率，这就是整体ECDF的y轴数值
• 用geom_point替代stat_ecdf，直接使用手动计算的ECDF值，彻底避免分组计算独立曲线的问题

最终绘制的点会按照整体price的ECDF规律排列，每个点的填充颜色由对应的cut分组决定，呈现一条统一的ECDF曲线。

内容的提问来源于stack exchange，提问作者tassones