如何用ggplot在R中绘制正确的流行病最终规模分布直方图？

你遇到的核心问题是：基础绘图中手动修改的是频率（区间样本占总样本的比例），而ggplot的..density..是概率密度，二者定义不同，所以结果不匹配。

修正思路 #

基础代码里h$density = h$counts/sum(h$counts)计算的是每个区间的频率，要在ggplot中得到相同结果，需要将y轴映射改为..count../sum(..count..)——用区间样本数除以总样本数，直接计算频率。

修正后的ggplot代码 #

# 先将向量转为数据框（ggplot更适配数据框输入）
df <- data.frame(f = f)

ggplot(df, aes(x = f)) + 
  geom_histogram(aes(y = ..count../sum(..count..)), colour = 1, fill = "white") +
  ylim(0, 1)

进阶：匹配基础hist的区间划分 #

如果需要和基础hist的区间完全一致，可以先通过hist()获取断点参数，再传给ggplot：

# 先获取基础hist的区间断点，不绘图
h <- hist(f, plot = FALSE)

ggplot(data.frame(f = f), aes(x = f)) + 
  geom_histogram(aes(y = ..count../sum(..count..)), 
                 colour = 1, fill = "white", 
                 breaks = h$breaks) +
  ylim(0, 1)

这样得到的直方图不管是区间划分还是y轴频率数值，都会和你手动修改的基础hist结果完全一致。

内容的提问来源于stack exchange，提问作者kabin