如何绘制以angles为横轴、necrosis密度为纵轴的密度曲线

要画横轴为angles、纵轴为necrosis密度的图，给你两种实用方法：

方法一：基于你已汇总的频率数据转成密度曲线 #

你已经处理好的df数据框（带angles、necrosis和Freq列），只需把频率转成密度就能画曲线：

1. 计算密度值
   密度公式是：密度 = 频率 / (总观测数 × 组距)，组距取angles相邻值的间隔：

# 计算总观测数
total_obs <- sum(df$Freq)
# 获取angles的组距（假设数据为等间隔）
unique_angles <- sort(unique(df$angles))
bin_width <- unique_angles[2] - unique_angles[1]
# 计算necrosis的密度
df$necrosis_density <- df$Freq / (total_obs * bin_width)

2. 绘制密度曲线

library(ggplot2)
ggplot(df, aes(x = angles, y = necrosis_density)) +
  geom_line(color = "#2c3e50", linewidth = 1) +
  geom_point(color = "#e74c3c", size = 2) + # 可选，添加数据点增强可读性
  labs(x = bquote("Tree stem angles" (theta)), y = "Necrosis Density") +
  scale_x_continuous(limits = c(0, 360), breaks = seq(0, 360, 40)) +
  theme_bw()

方法二：基于原始数据画条件密度（Ridges图） #

如果想直观展示每个angle对应的necrosis完整密度分布，用ggridges包画ridges图，转置后刚好符合横轴为angles的需求：

1. 使用你手上的filter_df原始数据框（无需转换为频率表）

2. 安装并加载ggridges包

install.packages("ggridges")
library(ggridges)

3. 绘制转置的ridges图

ggplot(filter_df, aes(x = as.factor(angles), y = stat(density))) +
  geom_density_ridges_gradient(
    aes(group = angles, fill = stat(density)),
    scale = 3, rel_min_height = 0.01, orientation = "y"
  ) +
  labs(x = bquote("Tree stem angles" (theta)), y = "Necrosis Density") +
  scale_x_discrete(breaks = seq(0, 360, 40)) +
  scale_fill_viridis_c(name = "Density") +
  theme_bw()

这个图会在每个angles位置展示对应的necrosis密度分布，颜色深浅代表密度高低，能清晰对比不同角度下坏死程度的分布差异。

内容的提问来源于stack exchange，提问作者Raquel Feltrin